基于多线激光扫描的叶片轮廓快速测量系统标定方法

针对现今叶片轮廓测量时,在保证测量精度的前提下提高测量速度的需求,结合工程经验与线激光扫描快速准确的特点,本文提出一种以多个线激光扫描传感器为主体的叶片轮廓快速测量系统,该系统由3个位置固定的线激光扫描传感器完成叶片轮廓测量.在理论上3个传感器测量坐标系之间的旋转矩阵中的未知参数是确定的,故这3个坐标系之间不存在由相对运动引起的直线度误差与定位误差等,主要存在由于安装产生的垂直度误差与平移误差等人为因素误差,因此本文提出并推导了该测量系统坐标系全局标定数学模型,并给出了标定过程与标定结果,通过实际测量叶片轮廓验证了该系统与测量机的测量对比误差为±0.03 mm,测量周期不超过10 s,满足实际测量要求.

基于小波描述子的叶片轮廓几何建模

利用植物动漫部件组装整株植物是植物生长单帧建模的一个既简单又有效的方法,但由于植物形态的复杂性,其数据结构一般采用长度不等的链表来存储形态数值,这不但给特征点位置的设计和存储带来困难,而且影响图形显示速度.为此提出一种利用小波描述子来刻画植物器官形态的方法.以植物叶片轮廓的建模为例,先构造出刻画叶片轮廓形态的形状函数;再用周期小波级数进行逼近,从而获得个数相同的小波级数系数,可用统一长度的数组结构来存储不同种类植物的叶片轮廓.针对3种不同植物叶片轮廓的建模实验结果表明,该方法能较好地保持叶片轮廓,具有建模速度快和图形显示多分辨率等优点,且可以推广到植物其他器官轮廓和骨架的建模.

二维图形复杂度计算与叶片轮廓复杂性分析

图形复杂度是对图形复杂程度的一种量化表达，在图形分析、分类、形状分析等方面都有广泛应用。本文基于统计方法将图形复杂度定义为各向距离数列的标准差，称为各向距离标准差法。根据该方法可以计算出各种二维图形的复杂度。各向距离标准差法具有旋转不变性。各向距离标准差法对常见图形的排序结果与用户调查排序结果基本一致，体现了各向距离标准差法的实用价值。此外，以番茄叶片轮廓线为例，进行叶轮廓线的复杂性分析，得到番茄叶片轮廓复杂性的统计性结论，供植物叶片相关研究参考。

基于功能特征的植物叶片轮廓构建方法研究

植物叶片边缘的局部和整体形态是影响植物叶片功能的重要因素．笔者提出在三维空间上以B样条曲线拟合的方式，实现植物叶片轮廓的快速构建；同时，满足植物叶片的功能特征约束，反求B样条曲线的控制点，实现对植物叶片边缘形态的重构，以体现不同株系、不同生长时期的植物叶片的动态形态表达．实验表明，受功能特征约束的植物叶片三维构建方法是快速的、有效的，能够为生物学研究提供较好的支撑作用．

基于轮廓特征点检测的植物叶片几何建模

提出了一种植物叶片轮廓的几何建模方法,对植物叶片的数字图像进行二值化和边缘提取.通过边缘扫描算法,将叶片图像的边缘数据按照像素点原有的拓扑关系生成坐标链表.以坐标链表检测到的轮廓特征点进行三次样条曲线插值,建立植物叶片的几何模型.实验结果表明,该方法较好地保持了植物叶片原有的轮廓特征,并具有数据获取简便、数据量少和几何模型简单的优点.

利用弦长不变特征的叶片截面轮廓匹配算法

针对大型燃气轮机叶片型面形状加工质量高精度检测分析评价中的无基准坐标匹配问题,提出了一种利用截面轮廓曲线弦长几何不变特征的精确坐标匹配算法.该算法在获取对应截面轮廓数据后,基于叶片截面轮廓曲线对应弦长不变特征建立目标函数,并依此计算出理论轮廓曲线中与测量数据对应的坐标点,构造出坐标变换超静定方程组,然后通过豪斯荷尔德矩阵变换方法计算出该坐标变换的最小二乘最优解.采用该算法计算出叶片截面轮廓曲线的模拟测量数据与理论数据之间的坐标变换矩阵,得出了该变换矩阵下的截面轮廓评价结果,其偏差小于1.5μm,表明该算法对于自由曲面的大型燃气轮机叶片型面形状加工质量的检测评价具有较好的应用效果.

叶片传统特征和距离矩阵与角点矩阵相结合的树种识别算法

针对基于叶片特征进行树种识别的问题,本文在结合叶片纹理、不变矩以及传统形状共25维传统特征的基础上,自定义了叶尖角、边角均值等2个叶片轮廓特征,并以相似多边形定义及其推论作为理论依据,提出了一种基于叶片轮廓构建距离矩阵与角点矩阵进行树种识别的分类方法。该方法首先对树木叶片图像进行预处理,提取出归一化的叶片特征向量,然后利用KNN最近邻分类器筛选出相似度最高的前20个结果集(Top 20),然后构建距离矩阵和角点矩阵进行更为精确的识别匹配。在图像预处理阶段,为获取更为准确的叶片轮廓特征,利用叶片在HSV颜色空间中饱和度特征以及色度特征方面的显著差异性,设计了一种消除叶片阴影的图像预处理算法。在识别匹配阶段,利用Douglas Peucker approximation算法提取叶片轮廓的近似多边形,定义了距离矩阵、角点矩阵、矩阵中元素间相似度、矩阵相似度以及综合相似度计算方法,设计了全局匹配与局部匹配相结合的算法。该算法在Android系统的手机平台上进行了实现和运行验证,结果表明:在Flavia数据集中,对32种共1 907个正常叶片样本的识别准确率为99.61%,对32种共851个残叶样本的准确率为94.92%;在Leafsnap数据集中,对185种共23 147个Lab样本前5个结果集(Top 5)的识别准确率为98.26%。相对其他算法,该算法识别准确率更高,对叶片外形描述能力更强,对残叶、扭曲叶、阴影叶具有更好的鲁棒性,算法的实用性和适应性更强。

相位测量轮廓术应用于叶片测量

为解决叶片高精度三维轮廓测量成本高、效率低的问题,搭建了基于相位测量的三维轮廓测量系统.在完成了系统标定后,为了检验系统的测量精度,测量了一个滚珠轴承,测量精度为(0.084±10.01)mm.利用该系统从不同方向对某叶片进行了6次数据采集,采集到的数据通过数据融合得到了整个叶片的三维点云,利用整个叶片三维点云数据得到了叶片的不同截面图,为叶片型面轮廓和几何尺寸的检测提供了依据.相位测量轮廓术用于叶片三维轮廓测量,在保证测量精度的同时大大降低了测量成本,因此将相位测量轮廓术用于叶片三维轮廓测量是非常有意义的.