三线结构光光条中心的提取方法

三线结构光三维测量中,结构光图像光条中心点提取的精度直接影响系统最终测量精度.提出一种三线结构光光条中心的亚像素级提取的融合方法,该方法融合了自适应中值滤波法、阈值法、均方灰度梯度法和加权灰度重心法.采用自适应中值滤波法对光条图像进行去噪、用阈值法初步提取光条中心,采用均方灰度梯度法求光条法线方向,在法线方向上应用加权灰度重心法获得亚像素级光条中心.实验结果表明:该方法可以精确快速地提取光条中心,达到亚像素级的精度.

基于三线结构光的相机平面标定方法研究

相机标定技术是结构光三维视觉测量的关键技术之一,结构光测量系统的相机标定的精度对三维测量的精度有很大影响;首先对三线结构光系统图的相机标定方法进行了分析,简单介绍了工业相机成像的几何模型及标定的原理;其次利用Harris角点检测方法提取特征点坐标,并选用了BP神经网络来校正工业相机的畸变模型,以提高标定算法的优化速度和标定精度;最后采用张正友的平面标定法对校正后的摄像机模型进行标定实验,由实验结果知,该方法具有一定的准确性和有效性,在一定误差范围内,基于神经网络畸变校正的张正友相机标定能够有效提高视觉检测的精度。

三线结构光视觉传感器现场标定方法

三线结构光视觉传感器由于获取信息量大、测量速度快等特点被广泛应用于工业现场测量。为了实现传感器高精度、快速的现场标定,提出了一种基于支持向量机的三线结构光视觉传感器标定方法。首先,设计标定靶标;其次,采集靶标图像后提取特征点亚像素坐标值;再次,基于支持向量机方法建立特征点的图像坐标和三维空间坐标的映射模型;最后,将待标定点图像坐标输入映射模型,即可得到三维空间坐标,实现对三线结构光视觉传感器的直接标定。实验验证,Y轴、Z轴方向上的测量绝对误差均值分别为0.021 1 mm和0.015 0 mm,具有较高的标定精度,且该标定方法标定过程简单、快速,适合现场标定。

基于深度残差学习和三线激光结构光的复杂交叉焊缝类型辨识

为实现船壁大拼接焊缝的自动化除锈,提出了一种基于人工智能深度学习结合三线激光结构光的复杂交叉焊接接头类型辨识方法。基于三线激光在不同类型交叉焊缝上的激光条纹特征区别,采用ResNet深度残差学习模型对其特征进行提取和学习,使用迁移学习方式对模型进行训练,得到一个训练准确率接近100%的识别模型。实验验证表明,该模型能有效识别直线、十字、T字、左L、右L、左T和右T等7种交叉焊缝类型,可实现爬壁除锈机器人运行中交叉焊缝类型的实时预测,为爬壁除锈机器人的全自主除锈的路径跟踪、定位和导航奠定了良好基础。

基于三线激光结构光的船体大拼接焊缝交叉类型辨识

为实现船壁面的大拼接焊缝的全自主移动除锈,提出一种基于三线激光结构光的激光视觉焊缝辨识方法。针对船体大拼接焊缝的纵横交叉,根据三线激光的特征,对描述激光形态和激光条纹间距的5个变量进行定义,归纳3条激光条纹在焊缝交叉处的特征参量的变化规律,建立十字形、T字形焊缝交叉的统一辨识模型。试验验证:采用三线激光具有更好的抗干扰性、信息量丰富,在各种工况下都能准确辨识焊缝接头交叉类型。研究结果为后续的焊缝实时跟踪和轨迹规划奠定基础。