基于针孔成像模型的炉膛辐射成像快速算法

提出了一种结合蒙特卡罗方法的在针孔成像模型下炉膛网格单元对CCD各像素辐射能份额的快速计算方法 .相对蒙特卡罗方法 ,快速算法提高运算速度 5 0倍以上 ,同时还可以直接考虑景深对成像的影响 .通过二维条件下的比较计算 。

红外热像仪标定方法

为了由红外图像得到目标的经度、纬度和高度信息,对目标精确定位,提出一种新的红外热像仪标定方法。以针孔成像模型作为红外热像仪成像模型,选择小热源作为标定点,以WGS-84坐标系作为世界坐标系,引入北东天(NEU)坐标系,先通过借鉴主动视觉的思想控制热像仪绕光心旋转得到外部参数,然后借助GPS接收机测得标定点世界坐标,利用这些标定点的像素坐标和世界坐标由最小二乘估计求解内部参数。实验表明新方法精度高、成本低,适合于实际应用。

单目视觉测量球形体中心偏移校正方法

针孔成像模型下非主光轴上的球体成像为椭圆，椭圆中心偏离球心投影点。针对球体固定单目视觉测距问题，推导了椭圆中心偏移量的解析公式，研究了基于该公式的校正方法，并进行了仿真验证。结果表明，该方法有效地减小了成像中心偏移带来的误差，适用于近距离、大视场、固定单目视觉测距。

基于曲线拟合的单目视觉测量方法

针对传统单目视觉测量精度不高,尤其是深度方向测量精度较差的缺点,建立了球体针孔成像模型,提出了一种基于圆锥曲线拟合的球体成像边缘亚像素定位方法,可求出圆形目标的中心和半径,再同过统计目标边缘点到圆心的距离均值和方差,通过3σ原则剔除野值,再进行一次拟合进一步提高精度。实验表明,方法边缘定位精度为0.02pixel。直径为40mm的球体在1m范围内成像,平行于像平面方向上测量误差小于0.2mm,沿光轴方向小于0.6mm。

基于相机模型的锥束CT重建误差校正

该文对存在几何误差的锥束计算机层析成像(CT)的图像重建校正方法进行了研究。该文将锥束CT系统看做针孔相机,因此相机的成像模型可以用来修正三维体素与二维投影之间的映射关系。将该映射关系带入到重建算法中,就可以对存在误差的锥束CT进行有效的重建,提高重建图像的质量。计算机视觉中的相机标定技术被用来构建成像模型。该技术的可靠性保证了本文方法的精度和鲁棒性。仿真和实际系统实验表明:本方法可以在图像重建过程中对锥束CT中的几何误差进行有效的校正。

基于单摄像机的三维位移测试方法

基于三维位移测量手段在工程技术领域的必要性和重要性,开展了基于单摄像机和数字图像相关的三维位移测试方法研究。基于图像位移场矢量中心和斜率与面内和离面位移的分别对应关系,采用Savitzky-Golay(SG)微分滤波器分离图像位移子区内的常数项与一次项,可实现物体三维位移分量的有效分离。以针孔摄像机成像模型为基础,开展了相应的数值模拟实验及悬臂梁端部受载的实验,发展了与三维线性变形对应的散斑图模拟方法,验证了基于二阶位移模式的牛顿-拉夫森迭代法的精度和适用性。数值模拟与实验结果均验证了三维位移测试方法用于实现物体三维位移重构的可行性和优越性。

基于数字图像相关的三维刚体位移测量方法

基于三维位移测量在工程技术领域的必要性和重要性,开展了单摄像机和数字图像相关相结合的三维刚体位移测试方法的研究。基于图像位移场矢量中心和斜率与面内和离面位移的分别对应关系,采用最小二乘拟合法分离图像位移场的常量项与一次项,据此,可实现物体三维位移分量的有效分离。以针孔摄像机成像模型为基础,开展了数值模拟及硅片平移实验,发展了与三维刚体位移对应的散斑图模拟方法,验证了基于仿射变换的相关迭代法的精度和适用性。数值模拟与实验结果验证了数字图像相关方法用于实现物体三维刚体位移重构的可行性和优越性,最大测量误差为5%。

移动端视觉测量系统的相机快速标定方法

针对现有的相机标定方法无法适应计算能力较弱移动端设备的问题,该文提出一种改进的适用于移动端设备的相机快速标定方法,获取高精度的相机内、外参数。在传统相机标定方法的基础上,引入二阶径向畸变和二阶切向畸变建立带有非线性畸变项的相机模型,同时,借助非线性最小二乘的LM算法优化迭代初始估值参数,从而快速得到高精度相机内、外参数。实验表明,该方法提高了相机标定效率和精度,参数迭代耗时由0.220s缩短至0.063s(移动端耗时为0.234s),反投影误差由0.25pixel降低至0.15pixel以内。

基于Faster R-CNN的煤岩识别与煤层定位测量

传统机器学习的煤岩识别技术大多数采用的是手工设计图像特征,并结合滑动窗口的方式对煤岩图像进行特征提取,再经过分类器进行分类和识别,存在图像特征设计难度大、耗时长、泛化性差等缺点。针对传统机器学习的这些缺点,采用了一种基于机器深度学习Faster R-CNN的煤岩识别方法。首先利用采煤机上的监控摄像机现场采集煤岩图片数据集,将图片输入到VGG16卷积神经网络,对煤岩图像特征进行提取,将提取出来的特征图经过区域建议网络(Region Proposal Network),对图像上的煤岩进行初步定位与分类,最后经过R-CNN网络精确定位分类,输出煤层边界点的像素坐标值。解算出监控摄像机内外置参数,结合理想针孔线性成像模型,将图片中所定位到的煤层边界点(煤层角点)的像素坐标值转化成矿井测量坐标值,为采煤机自动调整滚筒空间位置提供数据依据。