基于点云数据的曲面法矢检测方法

针对航空制造现场自动制孔存在的法向修正错误问题,提出一种基于点云数据的曲面法矢检测方法。通过激光旋转扫描获取曲面上圆周点云数据,利用平面拟合来获得曲面法矢;利用抛物柱面模型与球面模型进行仿真测试与误差分析。实验结果表明：曲面法矢检测误差随曲面曲率半径的增大而减小;对于飞机蒙皮等曲率半径较大的零件,本方法的制孔法向精度优于0.5°。     

基于PSD的长跨度孔系同轴度误差测量系统

以激光作为准直基准,研制了基于位置敏感探测器(PSD)的长跨度孔系同轴度误差测量系统。多功能测头在孔系内通过自定心机构确定各被测截面,测头前端的PSD检测激光光斑位置以确定各孔截面中心坐标,并进而评定出孔系同轴度误差。推导出激光自准直数学模型,根据该模型由四自由度工作台调整激光器位置,实现了激光自准直。使用本测量系统完成了激光自准直实验和孔系同轴度误差测量实验。实验结果表明:经准直后激光束与工件两端孔中心连线之间的偏差在±0.032 mm以内,与三坐标测量机相比,本系统同轴度误差测量的相对误差为8%,具备了较高的准直精度和同轴度误差测量精度。     

近景摄影测量中编码标志点解码方法研究

在近景摄影测量过程中,为提高特征点物体的精准匹配,降低匹配难度,对图像进行预处理,根据圆形标志点的几何特征识别标志点,用椭圆拟合法求解圆形标志点的圆心,并根据灰度变化寻找编码带的解码起点,利用环形编码带的圆心角进行解码。实验结果表明,该算法抵抗噪声能力强,圆形标志点圆心求解可达亚像素精度,解码正确率高。     

基于车道线斜率的车道偏离检测

针对结构化道路上运动车辆的车道偏离检测问题,采用单目视觉作为感知手段,分别从针孔模型下摄像机成像的空间几何关系和图像中车道线消失点的位置特点两个方面出发,推导出车辆直行情况下车道偏离率与两侧车道线斜率比之间的简单函数关系,该函数与摄像机内外参数无关。同时完成了在摄像机不同方向角下的车道偏离率测量试验,结果表明由于行车方向瞬时变化引起的摄像机方向角微小改变对车道偏离检测的影响可以忽略。道路现场试验结果表明,上述视觉测量方法得到的车道偏离率与手工实测结果相比,其相对误差小于5%。基于车道线斜率的单目视觉检测方法避开了繁琐的摄像机参数标定过程,达到了较高的车道偏离检测精度。     

车床尾座同轴度误差快速高精度测量方法研究

针对现场环境下的车床尾座孔与主轴之间的同轴度误差检测与调整问题,提出了一种基于激光准直和光电检测的同轴度误差快速高精度测量方法,并设计了以位置敏感探测器(PSD)和准直光束为核心的测量系统。通过分别驱动激光准直模块和光电测头旋转,PSD采集准直光束的轨迹信息,使用基于RANSAC的椭圆拟合改进算法,拟合轨迹中心点坐标。驱动尾座套筒沿轴向移动,测得多个截面的中心点,从而拟合轴线。最后,依据同轴度误差评定的最小包容区域准则,计算同轴度误差。在同一位置进行同轴度测量实验,测量系统的不确定度优于0.0032 mm,重复测量误差小于0.01 mm,满足车床尾座调整的同轴度测量要求。     

半导体芯片电路线宽显微测量精度分析

在显微图像的尺寸测量中．由于各种因素的影响．测量结果不可避免地存在着误差．为了充分认识并进而减小这些误差，提高测量精度．文章对标准件标定、显微光学系统的景深、对焦、光照亮度以及温度等影响测量结果的误差源作了细致的研究，给出了半导体芯片电路线宽显微测量结果及精度分析。     

用Visual Basic 6.0编程实现显微图像测量

Visual Basic 6.0具有强大的图形图像处理功能,并广泛应用于图形设计、图像处理及多媒体技术中。本文着重介绍了Visual Basic 6.0在实现显微图像测量中的编程技术,并应用于半导体芯片尺寸测量。     

长跨度孔系直径与同轴度误差测量系统

针对飞机铰链件长跨度、小直径孔系的直径和同轴度误差高精度测量问题,研制了基于光电传感器的综合测量系统。多功能测头中的直流电机驱动自定心机构确定孔截面测量位置,光电编码器记录电机有效转动量,通过与标准环规进行比较间接测量各孔直径。以激光作为准直基准,安装在多功能测头前端的PSD检测激光光斑位置以确定各孔截面中心坐标,并进而评定出孔系的同轴度误差。使用该测量系统完成了孔系直径测量试验和PSD光斑检测线性及重复性试验。试验结果表明,与三坐标测量机测量结果相比,孔径测量相对误差小于10μm,PSD光斑位置检测重复性误差小于13μm,具备了较高的检测精度。     

基于动态感兴趣区域的车道线识别与跟踪

利用车载机器视觉系统识别车道线以确定运动车辆相对道路的横向位置,是目前高速公路等规格化道路上实现车道保持的主要手段。通过理论计算确定采用车道线线性模型,能够满足识别的精度要求,同时提高了系统的实时性。卡尔曼滤波器动态确定感兴趣小窗口的大小和位置,实现车道线自动跟踪,使得图像预处理和车道线的Hough变换识别只在小窗口内进行,降低了计算成本。现场跑车试验结果表明,一帧道路图像的预处理和车道线识别与跟踪时间小于30 ms,且系统对道路上其他运动车辆等干扰具有较强的鲁棒性。