摘要:温度场测量在工业生产、制造领域有着非常重要的意义,纹影法作为一种流场可视化技术,可实现温度场的非接触式测量。 然而,传统背景纹影法解算光线偏折角时需精确测量流场的中心坐标,这就极大限制了在某些工业测试领域中的应用。 针对这种问题,本文提出一种基于双目背景纹影法的轴对称温度场自适应重构方法。 首先通过双目背景纹影成像系统从两个方向采集温度场纹影成像,然后利用 PnP 算法通过单目视觉成像技术解算背景散斑板相对于双目相机的位置参数,进而解算温度场中心坐标,最后通过纹影法重构温度场分布。 实验结果表明,本方法可以在对未知中心坐标的温度场进行精确重构,极大地拓展了纹影法的应用范围。

摘要:煤流量双目视觉测量是实现带式输送机节能安全运行控制的关键技术,但煤料纹理颜色重复单一和煤料颗粒内部间隙分布不均会严重影响煤流量测量精度和实时性。 为此,提出基于深度学习的带式输送机煤流量双目视觉测量方法。 首先,对煤料图像进行校正、分割和增强预处理;其次,构建基于深度学习的煤料立体匹配 PSM-Net 模型,运用 Fine-tuning 学习机制对PSM-Net 进行模型训练,获取煤料体积;然后,依据煤料二维平面特征,提出基于离散元法的煤料堆积填充率计算方法,计算煤料堆积密度;最后,依据煤料体积和堆积密度计算带式输送机煤流量。 实验结果验证了所提算法的有效性,煤流量双目视觉测量的精度达到 98. 704 3% ,计算速率达到 1 127 ms/ 帧。

摘要:无缝线路钢轨纵向位移是由钢轨内部纵向应力引起的钢轨沿轨排或道床顶面的纵向移动，对其进行及时的高精度测量对于高铁安全运营具有重要意义。本文提出了一种基于双目视觉技术的无缝线路钢轨纵向位移测量方法。由轨旁固定设施上部署的参考标靶、轨腰上部署的待测编码标志和双目相机构成便捷、高效的非接触式测量方案；提出了基于双直线约束的编码特征点检测算法，重点解决了复杂现场采集环境中编码特征点的精确检测与匹配问题。提出了链式双目相机三维测距算法，通过精确三维重建实现了高精度的无缝线路钢轨纵向位移测量。通过室内模拟实验和室外现场实验验证了本文提出方法的有效性，在室外现场实验中钢轨纵向位移的测量精度达到02 mm。

摘要:针对动态目标跟踪中快速运动和目标遮挡而跟踪失败问题，提出了一种特征点辅助的时空上下文跟踪算法。首先提取目标特征点，通过特征点匹配和光流跟踪方法进行目标追踪，获得目标预估位置；其次，建立特征点变化率和时空上下文模型更新率关系模型，实时调控更新率，防止引入错误信息；最后，在预估位置区域内，构建局部上下文外观模型，计算与时空上下文模型的相关性获取置信图，进一步精确定位目标。算法在一组测试视频集中进行验证，相比目前4种主流算法(平均跟踪成功率最高为60%，平均跟踪误差最小为26.14 pixel)，本算法综合性能达到最优，平均跟踪成功率为90%，平均跟踪误差为7.47 pixel，平均跟踪速率25.31 f/s。在双目视觉移动机器人平台上对随机运动目标进行跟踪实验，在背景干扰、遮挡、目标旋转和快速运动等组合情况下，跟踪成功率97.4%，跟踪距离平均相对误差为4.05%。