自驱动关节臂坐标测量机结构参数标定

与关节臂坐标测量机一样,自驱动关节臂坐标测量机存在诸多结构参数误差影响其测量精度。为了提高自驱动关节臂坐标测量机的测量精度,文章建立以激光跟踪仪测量距离为基准的标定系统,并对该系统的标定算法进行研究。根据Denavit-Hartenberg(D-H)模型,建立自驱动关节臂坐标测量机运动学模型;用激光跟踪仪标定自驱动关节臂坐标测量机测量距离的误差,建立距离误差模型,设计基于最小二乘迭代Levenberg-Marquardt(LM)的标定算法。实验结果表明,经LM算法标定且对自驱动关节臂坐标测量机的结构参数补偿后,在标定空间内测量20组距离,最大距离误差绝对值从13.8950 mm减小到0.3004 mm,测量误差减小了近97.8%。

自驱动关节臂坐标测量机测控系统

为了使关节臂坐标测量机满足在线、自动批量和智能测量的需求,提出研究自驱动关节臂坐标测量机,研究了其测控系统。系统以计算机作为控制器,与6个驱动关节及触发测量电路等组建硬件系统,软件采用状态机与事件结构相结合的结构框架设计,实现自驱动关节臂坐标测量机的运动控制和规划路径采样点自动数据采集。搭建实验系统对测量机进行测试实验,实验结果表明,在测控系统支持下自驱动关节臂坐标测量机运行平稳,测量机测量小尺寸球的重复性误差为0.038 mm、测量较大尺寸量块的重复性误差为0.192 mm(k=2)。测控系统的研究为自驱动关节臂坐标测量机标定技术、误差分析及应用研究奠定了基础。

基于CLAHE和多尺度细节融合的静脉图像增强算法

利用静脉识别原理采集的静脉图像通常模糊不清、难以分辨。传统的CLAHE算法虽然能够提高静脉图像的对比度,但是会丢失图像的一些细节信息。文章提出了一种基于CLAHE和多尺度细节融合的静脉图像增强算法。首先对静脉图像进行ROI提取,采用CLAHE算法增强静脉与手背间的对比度;然后利用多尺度细节融合算法得到静脉图像的细节图,再通过均值滤波滤除细节层中的高频噪声;最后把上面两种方法得到的图像加权叠加得到细节增强后的静脉图像。实验结果表明,该方法在提高静脉图像对比度的同时保留了原图像的细节信息。

一种双流卷积神经网络的黑烟车检测算法

针对目前人工监测机动车黑烟行为费时费力的问题,文章提出一种双流卷积神经网络的机动车黑烟检测方法。该方法首先使用Vibe背景模型提取运动前景目标,然后对前景图像使用霍夫直线检测,获取候选黑烟区域,减少了路面环境和机动车车身对黑烟检测的影响。双流卷积神经网络分为空间流卷积神经网络和时间流卷积神经网络,空间流提取黑烟图像的空间域特征,时间流通过光流图片获取黑烟图像的动态信息,将2个网络的输出结果融合得到最后分类结果。实验结果表明,该文提出的黑烟检测模型的识别率高达93.7%,为行驶中的机动车黑烟监控提供了一种有效方案。