基于PCNN的桨叶图像提取及锥度测量

针对目前对直升机桨叶共锥度测量难度大、精度低、无法对桨叶逐点测量的缺点,提出了一种应用视觉系统测量旋翼共锥度的新方法,给出了系统的总体安装方案并对系统的成像误差精度进行了分析,由于旋翼桨叶处于高速旋转状态需要实时处理的特点,提出了一种基于脉冲耦合神经网络(PCNN)的分割方法,在设计好的旋翼桨叶模型上进行了相关实验,通过与其它分割算法的对比,验证了算法的具有很高的识别率;实验结果表明:基于PCNN的分割方法具有较高的精度,适用于实时的旋翼锥度测量系统。

基于全景视觉技术的旋翼共锥度测量系统的设计及实现

在深入分析以往旋翼桨叶共锥度测量手段的基础上,提出了一种基于全景视觉技术的旋翼共锥度测量的新方法。由全景图像球面还原算法原理,推导出了一组用于计算桨叶锥度差的逆投影公式。利用同步电路控制摄像机拍摄实现了对目标桨叶的实时提取,并对全景图像的解算方法进行了相应研究。应用脉冲耦合神经网络(PCNN)对全景图像进行初次分割,重点介绍了在此基础上结合区域标记法对桨叶图像进行特征提取的过程并取得了很好的识别率。实验结果表明,该测量方法对于桨叶锥度差的计算具有较高的精度,可以应用于未来的实际生产过程。