计算机辅助散斑干涉法的研究与改进

针对传统的加法模式的计算机辅助散斑干涉法抗噪声能力弱、信噪比低的缺点,提出了一种减法模式的计算机辅助散斑干涉法.实验上对强度型加、减法模式的计算机辅助散斑干涉法和振幅型加、减法模式的计算机辅助散斑干涉法做了比较分析,最后发现振幅型减法模式的计算机辅助散斑干涉法抗噪声能力最强,信噪比最高,测量精度极其精确.因此一般选择用振幅型减法模式的计算机辅助散斑干涉法来进行物体的变形测量.     

旋转剪切频闪散斑干涉法测量物体的固有频率

提出一种测量物体固有频率的新方法--旋转剪切频闪散斑干涉法.该方法能方便地测量振动物体的固有频率,具有较高的精度、全场显示、条纹可见度好等优点,给出了理论分析和实验结果.     

大位移电子散斑干涉法

针对电子散斑干涉（ESPI）法处理大位移时的困难,提出了一种改进的ESPI法。将数字散斑相关法（DSCM）引入ESPI中,由DSCM计算引起散斑去相关的面内位移,将所得二维面内位移对失配散斑场进行校准,恢复干涉条纹。用对离面位移敏感的ESPI光路,结合相移方法求得对应离面位移的相位数据,和二维面内位移一起,构成物体三维位移。对周边同定、中心加载的有机玻璃试件进行了测量,结果表明能产生质量干涉条纹,证明该方法是合理、可行的。     

基于FFT的散斑干涉术测物体变形

在SPI测量变形物体三维位相的原理上,提出了用一个干涉图法,基于二维FFT实现了散斑干涉图三维位相测试的新方法。选用马赫-泽德干涉系统,用CCD分别接收物体变形前后的散斑图,将两幅散斑图相减可以得到变形物体的散斑干涉条纹图。应用MAT LAB软件编程对散斑干涉图进行二维FFT运算,获得变形物体的三维位相。由三维位相分布可以判读物体的三维变形,进而为后续分析物体的三维应力奠定基础。实验表明,该方法简单、速度快,精度可达到λ/10。     

应用散斑照相法测量三维非对称温度场

提出一种光线偏折角放大方法用于提高散斑照相测量灵敏度。应用散斑照相法测定了三维非对称温度场，通过卷积背投影公式得到了ｚ为常数的某个层面的温度分布。实验表明此方法适用于几何尺度较小或温度梯度较小的三维位相物体温度场的散斑照相测量。     

基于数字散斑剪切干涉术的三维面型测试

基于数字散斑剪切干涉术的原理, 研究了物体面型的三维测试技术。使用倾斜反射镜的方法, 使物光束散斑场偏转,再由CCD记录偏转前和后物光束的散斑场。这种方法代替了传统的使用剪切元件空间上直接获得干涉条纹图, 减少了由于剪切元件分束引起的物光束的光能损失, 实现了数字散斑剪切干涉术测量物体面型。应用MATLAB软件编程, 控制剪切散斑干涉图的精确定向平移, 得到了4个干涉图, 实现了数字四步相移, 代替了传统的在参考光中利用位相控制器的机械相移, 从而实现了物体面型的三维测试。该方法不仅省去传统剪切散斑干涉术中需要对感光胶片进行化学湿处理的过程, 也省去了压电位移器等硬件。大量的实验表明, 该方法不仅简化了测试光学系统和实验的过程, 也提高了测试精度, 其精度可达到1/10波长。     

基于数字散斑剪切干涉术的三维面型测试

基于数字散斑剪切干涉术的原理,研究了物体面型的三维测试技术。使用倾斜反射镜的方法,使物光束散斑场偏转,再由CCD记录偏转前和后物光束的散斑场。这种方法代替了传统的使用剪切元件空间上直接获得干涉条纹图,减少了由于剪切元件分束引起的物光束的光能损失,实现了数字散斑剪切干涉术测量物体面型。应用MATLAB软件编程,控制剪切散斑干涉图的精确定向平移,得到了4个干涉图,实现了数字四步相移,代替了传统的在参考光中利用位相控制器的机械相移,从而实现了物体面型的三维测试。该方法不仅省去传统剪切散斑干涉术中需要对感光胶片进行化学湿处理的过程,也省去了压电位移器等硬件。大量的实验表明,该方法不仅简化了测试光学系统和实验的过程,也提高了测试精度,其精度可达到1/10波长。     

像面散斑平均尺寸对散斑干涉条纹图的影响

散斑计量中,为了在动态测量中得到清晰的原始散斑条纹图,使更有效的提取相位信息,提出一种改变像面散斑平均尺寸大小对散斑成像影响的方法,进而改善原始散斑条纹图的清晰度。通过分析光路参数F数和放大倍数与像面散斑尺寸大小的定量关系,通过实验进行了验证。实验结果表明,形变量一定,系统放大倍数为1,成像透镜F值为4.5,或者,当F数为2,系统放大倍数为3.5,像面散斑平均尺寸大小为5.841μm,最接近像面尺寸5.86μm成像效果最好,经正余弦算法滤波后,得到的散斑条纹图最清晰,证实了像面上散斑尺寸大小对散斑条纹图的影响。     

用数字散斑方法测量物体运动轨迹

提出了利用多曝光数字散斑技术取代干板照相技术记录物体运动轨迹的研究方法，根据杨氏条纹模型详细分析了该方法的基本原理，给出了物体的面内运动和小角度转动两种运动轨迹的测量结果，对影响实验结果的因素进行了讨论．数字散斑，多曝光照相，运动轨迹     

一种基于2D和3DSIFT特征级融合的一般物体识别算法

如何选择合适的特征表示一般物体类间差异和类内共性至关重要,因此,本文在2D SIFT(Scale Invariant Feature Transform,SIFT)的基础上,提出了基于点云模型的3D SIFT特征描述子,进而提出一种基于2D和3D SIFT特征级融合的一般物体识别算法.分别提取物体2维图像和3维点云的2D和3D SIFT特征描述子,利用"词袋"(Bag of Words,BoW)模型得到物体特征向量,根据特征级融合将两个特征向量进行融合实现物体描述,运用有监督分类器支持向量机(Support Vector Machine,SVM)实现分类识别,给出最终识别结果.最后,实验验证了本文提出算法的好处.     

全光纤自混合散斑干涉可行性研究

为了证明光纤传光、光纤自聚焦透镜收集反馈光进行自混合散斑干涉的可行性,建立了自聚焦透镜收集效率的理论模型,重点研究了光纤自聚焦透镜的收集效率随其半径和工作距离的变化关系;从理论上证明了采用光纤传光、光纤自聚焦透镜收集反馈光进行自混合散斑干涉的可行性;最后搭建了实验装置,并进行了实验研究。结果表明,该装置可以获得较好的自混合散斑干涉信号;可以解决自由空间自混合散斑干涉测速系统工具距离短、易受环境干扰等问题。     

基于球谐分析和三维矩的超二次模型匹配计算

超二次模型能够利用简洁的参数有效地描述大量复杂的、真实的三维形状,因此,在计算机视觉和计算机图形中都得到了广泛的应用。超二次模型形状匹配计算是应用超二次模型进行三维物体识别的一个关键问题。本文对此进行了详细的研究,提出了两种新的方法,即基于球谐分析和三维矩的匹配计算方法。特别地,在基于球谐分析的方法中,提出了一个新的采样算法,用以构造描述超二次模型的离散球函数。实验表明,本文提出的方法能够有效地进行超二次模型三维形状的匹配计算,为开发基于超二次模型的三维物体识别系统奠定了良好的基础。     

三维漫射体真彩色合成似狭缝彩虹全息术

采用合成似狭缝彩虹全息术记录三维漫射体真彩色彩虹全息图，用单波长激光逆光路再现。在记录过程中，不同波长的参考光具有不同的入射角，从而使透镜孔径的有效利用率达到最高，并给出了理论分析和实验结果．     

入射照明光束方向改变时散斑图样的变化

对自由空间的夫琅和费散斑和成像系统中的像面散斑的变化进行了计算和分析，得出了相应的结论     

Handheld 3D Scanner for Small Objects Using Kinect

This paper presents a handheld 3D vision-based scanner for small objects by using Kinect. It is different from the previous color-glove-based approaches which require segmenting the target object. First, we eliminate the noises and the outliers caused by holding hands. Second, we apply Kinect-fusion algorithm and truncated signed distance function (TSDF) to represent 3D surfaces. Third, we propose a modified integration strategy to eliminate the hand effect. Fourth, we take advantage of the parallel computation of GPUs for real-time operation. The major contributions of this paper are (1) the registration precision is improved, (2) the offline amendment and loop closure operation are not required, and (3) concave 3D object reconstruction is feasible.     

Real-time 3D multi-pedestrian detection and tracking using 3D LiDAR point cloud for mobile robot

Mobile robots are used in modern life; however, object recognition is still insufficient to realize robot navigation in crowded environments. Mobile robots must rapidly and accurately recognize the movements and shapes of pedestrians to navigate safely in pedestrian-rich spaces. This study proposes real-time, accurate, three-dimensional (3D) multi-pedestrian detection and tracking using a 3D light detection and ranging (LiDAR) point cloud in crowded environments. The pedestrian detection quickly segments a sparse 3D point cloud into individual pedestrians using a lightweight convolutional autoencoder and connected-component algorithm. The multi-pedestrian tracking identifies the same pedestrians considering motion and appearance cues in continuing frames. In addition, it estimates pedestrians' dynamic movements with various patterns by adaptively mixing heterogeneous motion models. We evaluate the computational speed and accuracy of each module using the KITTI dataset. We demonstrate that our integrated system, which rapidly and accurately recognizes pedestrian movement and appearance using a sparse 3D LiDAR, is applicable for robot navigation in crowded spaces.