摄影测量中编码标记点检测算法研究

大型物体的三维测量中,使用编码标记点既解决了拼接累积误差,又大大降低了非编码点匹配的难度。首先采用一种自适应的二值化方法对图像进行分割,再根据几何特征和灰度特征提取标记点,然后对编码点和非编码点进行归类。编码点解码时,以灰度跳变点为解码起点,综合使用编码弧段对应的圆心角和弧长,提高了解码的准确性。模拟和实验结果表明:该算法受噪声影响小,标记点识别率高,解码正确率可达97%。

FDM快速成型技术在无线电测向机创新设计上的应用研究

针对目前市场上无线电测向机在形态和结构上的缺陷进行了改进,采用了平行四杆机构和空间四杆机构实现对天线的折叠,增加了符合人体工程学的把手和胶套。然后在基于FDM工艺的快速原型机进行了改进验证,并对加工中遇到的超出成型空间和成型方向等几点具体的内容进行了研究,找到了合适的成型方法。实验表明采用快速原型技术大大的缩短了开发周期,降低了开发成本。

快速成型技术在工程训练教学中的应用研究

快速成型技术(RP)对制造业的新产品开发具有重要作用。为了培养学生的综合能力和创新能力,进行了快速成型项目的建设与实践。针对全校不同专业、不同训练层次给出了不同的实验教学方案,并对实践教学提出了几点建议。通过2年的教学实践证明,项目满足了学生对综合性、先进性知识的需求。

基于Blob算法的标记圆检测技术研究

大型物体的三维测量中,大多采用基于标记圆的拼接,标记圆检测的正确性和定位精度决定了拼接的精度。在二值化图像上运用Blob分析得到标记圆的轮廓信息,综合使用标记圆灰度特性、尺寸特征、圆形度和误差准则来筛选标记圆,圆心定位采用具有亚象素定位精度的最小二乘拟合法。实验表明该方法抗干扰强,标记圆的识别率可达98%。

计算机视觉中标记点匹配算法

计算机视觉测量中,多幅图像标记点自动匹配是实现测量自动化的重要环节。本文提出了标记点的自动匹配方法。该方法首先采用编码标记点得到初始匹配集,根据相似性将解码错误的剔除得到良好的匹配集。然后使用极线约束、反投影残差、图像绝对距离比约束实现非编码标记点的正确匹配。实验表明该方法在一般拍摄条件下,非编码标记点的匹配正确率可高达97%。

快速原型在建筑模型中的应用研究

建筑沙盘模型作为交流的介质,是竞标取得项目的关键。传统手工制作建筑模型不仅时间周期长、成本高,而且与设计者之间存在严重脱节。本文提出了一种基于快速原型技术的建筑模型制作方法,该方法只需要根据设计师的数字化建筑模型,就可以分楼层的、整体的进行制作。该不仅可以制作非常复杂的建筑模型,而且可以提高制作效率和降低制作人力成本。

基于梯度域的多曝光灰度图像融合研究

标记点的检测是计算机测量、计算机视觉中的重要环节,本文针对因被测物体材质等造成的影响标记点检测的情况,采用了多次曝光然后图像融合的方式,从梯度域加权重构图像,计算梯度域权值时使用了最大类间差法并进行了梯度权值的抑制和缩放。模拟和真实实验结果表明该方法能较好的保留各种曝光时间下的图像细节,为后续的图像特征提取起到了保障作用。

基于直流无刷电机的FDM打印机速度提升研究

FDM成型工艺的3D打印技术成本低、可打印材料多样,在多个领域得到了广泛的应用,但其打印速度慢在大模型制作以及小批量生产中受到限制。本文从提高移动速度入手,选用适合高速打印的UM结构,采用Marlin固件,利用FOC驱动的无刷电机代替X轴和Y轴的步进电机。所选用的无刷电机理论最大打印速度可以达到2,000mm/s;由于成型平台尺寸限制,理论最高打印速度为547.7mm/s;设置打印速度为400mm/s时对照组步进电机产生非常严重的丢步,撞击了打印机的边框,而无刷电机仍能完成模型打印;继续提高到500mm/s时由于喷头挤出速度和冷却速度与打印系统无法正常成型。

用于机器视觉系统设计的基于二次曲线的椭圆估计

研究了一种基于二次曲线的椭圆估计方法,该方法的主要优点是在进行椭圆中心点检测的时候,不用检测图像上单个椭圆的边界,而只计算图像上的梯度信息。利用椭圆的梯度信息计算椭圆上各点的切线方程,根据切线方程和椭圆的二次曲线性质解算出椭圆曲线的各个系数,根据这些系数就可以求得椭圆的中心点及其各个参数。并且通过引进形态学的图像处理方法,对梯度的计算进行改进,使最终结果达到很好的精度。从最后三维重建的结果可以看出,整体误差在0.069mm,标准差0.018mm,检测的精度高,能满足一般测量的要求。

一种支持隐私保护的网络自动化系统设计

针对遥测数据在数据上报通道中存在的由窃听带来的隐私和安全问题,提出了一种支持隐私保护的网络自动化系统方案。首先,利用整数向量同态加密(Integer Vector Homomorphic Encryption,IVHE)算法设计了一种加密方法,解决了由于窃听导致的安全漏洞,并保留了遥测数据内部的相关性。然后,构建了机器学习(Machine Learning,ML)模型直接操作密文遥测数据实现异常检测,并将结果推广到不同的模型结构。最后,在真实的IP-over-EON多层网络测试平台上实现了隐私保护系统原型,并通过实验验证了方案的有效性和可扩展性。

ML辅助网络自动化系统的对抗样本攻击方法

针对网络自动化系统中用于异常检测的基于机器学习(Machine Learning,ML)的分类器,提出了一种黑盒对抗样本攻击方法来误导分类器输出错误的分类结果。首先,设计了一种对抗样本生成算法来人工合成替代分类器的训练数据集,算法不仅基于一组仅包含“正常”类型的合法遥测数据生成涵盖所有异常类型的合成数据,而且标记数据时还最小化对目标分类器的查询次数。然后,利用对抗样本去攻击了系统中基于ML的分类器,分析了对抗样本给分类器性能带来的影响,并将结果推广到不同结构的ML模型。最后,利用从真实的IP-over-EON多层网络测试平台采集的遥测数据进行了仿真实验,实验结果验证了该方法的有效性。

基于摄影测量学和图像光流的三维重建方法

传统的获取物体三维(3D)数据的方法需要很多额外的硬件设备且不适合户外的大场景的三维重建。为此,提出了基于摄影测量学和图像光流的方法,只需要通过一台单反相机拍摄系列图片即可获得物体的三维数据,且适用于户外场景的三维数据的获取。根据近景摄影测量学的方法,能够获得相机的内外参数;根据光流法,能够获得两幅图片上的图像点匹配信息以及颜色信息,根据相机的标定数据、匹配数据以及颜色数据,获得带有颜色纹理信息的物体三维点云。这种测量方式只需手持相机对物体拍摄多幅图片即可完成三维重建,可以用于大场景虚拟现实(VR)中的三维获取。

结合Cofounder平台的3D打印课程混合式创新教学实践

3D打印作为高校双创教育体系中不可或缺的重要一环,在创新人才培养中具有重要作用。结合“双创”的精神、“新工科”的要求,针对学校“3D打印设计与制作”在创新人才培养中的不足,采取相应的措施。借助于现代网络技术搭建开放式教学平台,主要从教学内容、教学方法、考核方式三方面对课程进行改革,将创新思维和方法以及产品创新全过程贯穿于课程中,致力于探索培养学生自主创新学习能力的手段和方法。经过三个学期实践后,教学效果得到了学生的普遍认可,同时也给教师带来了新的挑战。

基于微振镜结构光投射器的机器人抓取

提出了一种基于微振镜结构光的三维重建方法。使用微振镜结构光快速获取图像数据,基于多频外差的方法对物体进行三维重建,使用基于点对特征三维特征匹配的方式对获取的三维数据与基准模型进行匹配和定位操作,获取了任意放置的物体在机器人坐标系中的三维坐标和法线信息。实验结果表明,基于微振镜结构光的方式可以获得0.1 mm左右的重建精度,处理时间约为0.4 s,可以满足大多数工业机器人物体定位抓取的要求。