钢轨高速探伤检测系统中的伤损分析

本文介绍了一种新型钢轨高速探伤检测系统,给出了钢轨伤损分析软件的设计.实验结果表明在回转试验台上,检测速度达到了100km/h,并准确绘制出了钢轨伤损B型图.     

灌区节水改造工程中的新技术与应用

灌区节水改造工程的实施,不仅可以提高我国的国民经济水平,而且对环境的保护以及水资源的节约也是十分有利的。探讨灌区节水改造技术的措施,从而得出灌区节水的应用不仅提高水的利用率,有效保证农作物的灌溉,而且对我国经济效益和生态效益的提高有很大帮助。     

三维测量数据同步自动配准方法

提出一种三维(3-D)视觉测量数据同步自动配准方法。利用改进的3-Dshape context描述符建立当前测量数据与已获得数据间的匹配点对,得到候选的重叠数据,并用最近点迭代(ICP)算法进行验证和精确配准。将视觉传感器每次获得的测量数据与已获得的测量数据配准,最终将所有测量数据统一到同一坐标系下。实验时,采用视觉传感器对维纳斯石膏像进行多角度测量,对测量数据进行同步配准,获得石膏像表面完整的3-D模型。该配准方法无需任何外部辅助设备,便于操作者观察测量进度并及时调整视觉传感器路径规划,从而提高三维形貌测量效率。     

大视场双目视觉传感器的现场标定

分析了摄像机和双目视觉传感器的数学模型,针对大视场视觉测量应用,提出了一种基于基线尺的大视场双目视觉传感器标定方法.在测量空间内任意多次摆放基线尺,由两摄像机拍摄基线尺图像.利用基本矩阵及基线尺上两特征点之间距离的约束,采用线性解和非线性优化相结合的方法同时估计摄像机的内部参数以及双目视觉传感器的结构参数.该标定方法操作简单,标定效率高,无需初始参数即可估计双目立体传感器的全部参数.实验结果表明,该方法适合双目立体视觉传感器的现场标定,在6 000 mm×4 500 mm的范围内可以得到0.06 mm的测量精度.     

大型自由曲面移动式三维视觉测量系统

本文介绍了一种移动式三维视觉测量系统，用于大型物体自由曲面的测量。传感器采用双目立体视觉方式，并结合编码结构光技术，使匹配过程简化。传感器移动到大型物体周围对各局部区域进行测量。采用一个平面靶标作为中介，建立了传感器位姿变换矩阵的优化目标函数，根据靶标上多个特征点求解出该矩阵，即拼接矩阵。传感器在各个位置所测三维数据通过拼接矩阵统一到全局坐标系下。视觉测量系统在2个位置对维纳斯石膏像进行了测量，并进行拼接。结果表明，该测量系统操作简单，适用范围广；x、y、z坐标拼接RMS误差分别为0．038mm、0．022mm和0．135mm。     

结构光视觉传感器通用现场标定方法

建立结构光视觉传感器通用数学模型,提出一种基于平面靶标的结构光视觉传感器结构参数标定新方法.在测量空间不同位置多次随意摆放平面靶标,结构光投射在靶标表面,摄像机拍摄靶标图像.利用靶标上特征点及对应的图像点求解靶标坐标系到摄像机坐标系的转换.根据靶标平面与图像平面之间的同射变换获得结构光标定点在靶标坐标系下的坐标,并统一到摄像机坐标系下,在此基础上拟合出结构光方程.该方法获得标定点效率高,能胜任点、线、曲面等任何模式结构光视觉传感器的现场标定.试验结果表明,该方法具有较高的标定精度.     

南庄矿大型滞后突水及其原因分析

韩_1断层对南三采区煤层底板的破坏,加上矿压、水压联合作用,使下三带裂隙破坏带加深,导水裂隙带升高,保护带失去阻水能力,是这次突水的主要原因。在开采受承压水威胁的煤层时,其断层防水煤柱的留设要考虑采动矿压、水压的作用以及断层对岩层的破坏,以慎重确定保护带的阻水能力。     

大视场线结构光视觉传感器的现场标定

针对大视场线结构光视觉传感器的现场标定,提出了一种基于自由组合一维靶标的标定方法。自由组合多个一维靶标并固定,其中每个一维靶标至少包含3个共线特征点。靶标在传感器测量空间内自由摆放至少两次。以一维靶标两两之间夹角恒定为约束求解摄像机内部参数;由一维靶标消影点性质和特征点之间距离约束,求解各特征点在摄像机坐标系下的空间坐标;根据交比不变计算光平面与各一维靶标交点的摄像机坐标,拟合出光平面方程。实验表明,该方法可获得与平面靶标相当的标定精度,具有靶标加工容易、精度高、摆放次数少的特点,适合大视场线结构光视觉传感器的现场标定。     

基于神经网络的典型地物的偏振多光谱图像分类（特邀）

相比传统的多光谱成像探测,偏振多光谱成像探测方法可以探测目标表面的粗糙度、含水量等更多信息,给目标检测带来了很大便利,但目前主要用于目标探测,尚未广泛应用于目标分类。BP神经网络是目前常用的一种典型神经网络,可以建立从端到端的映射,在训练样本集足够大的前提下,训练完毕且效果良好的神经网络是一种高效、精确、快速的工具。首先,利用基于旋转偏振片和滤波片的偏振光谱成像探测系统获取了典型地物的偏振多光谱图像,对图像进行了预处理,建立了数据集;其次,在该数据集上进行了神经网络的训练,训练后的神经网络可以处理未知的偏振多光谱图像,并实现了对几种典型地物的分类;最后,对神经网络分类的效果进行了评价,并与其他几种典型分类方法的效果进行了对比,发现神经网络方法具有更好的分类精度和效果,相比典型的最大似然分类算法,其总体分类精度可从91.7%提升至94.2%,Kappa系数可从0.851提升至0.898。研究结果表明:基于神经网络的偏振光谱图像分类方法对于改进和优化现有的偏振多光谱图像数据处理方法具有一定的研究意义。