共查询到16条相似文献,搜索用时 125 毫秒
1.
2.
3.
4.
数字散斑的边缘相关测量法 总被引:1,自引:0,他引:1
利用数字激光散斑图像测量物体的形变和微小位移是一种新兴的非接触测量方法,为提高测量速度,通过对数字散斑相关测量方法(DSCM)和激光散斑图像的特点进行研究,提出一种针对数字散斑图像的边缘相关测量法(DSMC)。该方法把移动前后的激光散斑图像像素在单方向上求和,使整幅图像的能量集中在边缘上,然后使用边缘上所形成的一维数列,通过插值和相关的方法求解激光散斑图像的位移。而激光散斑图像的位移可以反映出物体的位移或形变。理论和实验证明了该算法可行,可以大大节省数字散斑相关测量中数据处理的时间而不影响计算精度,因为此算法的运算精度主要取决于插值点的个数和散斑图像自身的综合误差。 相似文献
5.
激光散斑传感技术具有结构简单、灵敏度高等特点,可以实现对应力、振动、距离、速度、流速等物理量的传感测量,已成为光学传感领域中的研究热点之一。设计了一套基于激光散斑的应力传感系统。该系统使用波长为405 nm激光作为光源,利用音圈电机振动多模光纤,同时采用CCD图像传感采集系统对抛光玻璃表面进行显微成像,通过MATLAB软件对采集到的散斑图像进行分析处理,计算散斑对比度,拟合散斑对比度随时间变化的曲线。结果表明:散斑图像对比度的变化反应了多模光纤应力的变化,通过多模光纤应力变化可以判断是否有入侵者,实现了防盗功能。 相似文献
6.
基于数字激光散斑图像的位移测量的多层平截算法 总被引:1,自引:1,他引:1
通过对数字激光散斑图像特性的分析及其位移测量法的研究,给出了一种利用激光散斑图像进行位移测量的多层平截算法。该算法把数字激光散斑图像的灰度看作三维空间的高度,用不同高度的水平面平截散斑图得到截值点,分析物体发生位移前后的散斑图像上截值点,由截值点相互位置的概率分布计算出物体的实际位移。改进后的多层平截算法可较大的节省测量所需的散斑图像面积,且能测量亚pixel级的位移。实验表明,该多层平截算法是一种实用、速度快及精度高的位移和变形测量方法。 相似文献
7.
8.
9.
10.
针对传统的单幅散斑图像匹配算法测量精度低且无法测量复杂面型物体等问题,提出了一种基于深度学习的散斑投影轮廓术,即通过深度学习的方法实现散斑图像的逐像素匹配。设计利用孪生卷积神经网络结构,将目标散斑图像和参考散斑图像以图像块的形式输入神经网络。通过卷积层运算提取散斑图像块的特征信息,进而将子网络得到的特征信息融合为两个图像块之间的匹配系数,以获得散斑图像的视差数据,并最终可将视差数据转化为物体的三维信息。实验结果表明,该方法可以通过单幅散斑图像实现精度约为290 μm的三维轮廓测量。 相似文献
11.
散斑噪声的存在使得图像灰度剧烈变化,降低了图像分辨率,影响成像质量。为了控制散斑噪声,使用波长为405nm的激光作为显微系统照明光源,利用音圈电机振动光纤,通过对抛光玻璃显微成像,用CCD图像采集卡采集图像后进行了散斑噪声对比度分析。结果表明,在光纤振动幅度不变、振动频率在4Hz~55Hz内逐渐增加时,图像散斑对比度在0.0326~0.1197范围内逐渐变小;当频率大于51Hz时,图像散斑对比度曲线趋于平稳且对比度在0.0326处获得了最小值,图像清晰,达到良好的散斑控制。 相似文献
12.
提出一种激光片光三维传感中降低散斑影响的方法:片光面内移动扫描法.通过向被测物体表面投射面内移动扫描的片状激光束,产生空间变化的动态散斑光场,这样的光场的时间平均效果降低了散斑的影响,明显地提高了测量精度.文中给出了激光片光面内移动对散斑影响的的理论分析和实验结果。 相似文献
13.
为了解决激光显微成像系统中散斑的抑制问题,采用散斑暗区比方法研究了光纤振动对显微散斑图像的影响。实验中采用波长为532nm的激光作为显微系统光源,利用光纤振动对激光显微图像散斑进行抑制;同时采用CCD图像传感采集系统对样品表面进行的显微成像,并对光纤在不同振动电压下的显微图像暗区比进行了分析。结果表明,随着振动电压的增大,图像的散斑暗区比会逐渐减小,当电压为2.6V时,图像散斑暗区比达到5.64%,散斑对比度为4.17%,接近人眼分辨率4%,可达到良好的散斑抑制效果。 相似文献
14.
为了解决在弹幕武器射击时的恶劣环境下,频域分布复杂的炮口振动信号测试难题,采用线激光散斑场光电检测方法,研究了振动信号与输出电流数学关系,分析了基于雪崩光电二极管的光电检测电路噪声与幅频特性,提出了一种基于身管表面线激光散斑效应的炮口振动测量的方法,并进行了25m远处的振幅在微米级、频率为50Hz~16kHz振动信号的检测实验。结果表明,线激光散斑检测炮口振动振幅在微米量级。该测量方法具有频率响应范围宽、测量距离远、灵敏度高等优点,实现了远距离、宽频域振动信号的检测。 相似文献
15.
主成分分析(Principal Component Analysis,PCA)法用于高速视觉的激光麦克风的音频信号重建,可从声场中轻质弹性物体表面的激光散斑动态变化中提取语音信息。将高速散斑视频中的一帧图像视为高维空间中的向量,顺序将视频图像堆栈成数据矩阵,利用PCA做特征提取,语音信息就存在于方差较大的主成分中,通常应用第一主成分就可以重建清晰的语音信号。实验表明,PCA对激光散斑颗粒尺度和灰度分布没有过多限制,即使在采样区域较小、反射物体材质不同的情况下,都可以重建人耳可分辨的语音信号。而且基于PCA的无监督机器学习算法特性,选取视频开始部分的帧图像做训练集,还可以提取含有音频信息的主成分的特征向量,作为后续视频图像向量的投影基,实现语音信号的快速提取。 相似文献