特殊環(huán)境下圖像測量關(guān)鍵技術(shù)研究.pdf

1、管道靜態(tài)參數(shù)測量是特種管道設(shè)計、研究和使用中必需且重要的技術(shù)環(huán)節(jié)。隨著特種管道研制、生產(chǎn)水平和使用要求的不斷提高，原來基于光學(xué)望遠(yuǎn)系統(tǒng)的人工測量、人工處理數(shù)據(jù)的測量方法已經(jīng)不能滿足需要，必須建立高精度、高效率和高度自動化的測量系統(tǒng)。 在對特種管道靜態(tài)參數(shù)的測量原理、測量方法和測量裝備的性能及其局限性進(jìn)行深入研究的基礎(chǔ)上，設(shè)計并實現(xiàn)了一種以爬行器運(yùn)動控制技術(shù)、照明技術(shù)、圖像預(yù)處理方法和高精度圖像測量技術(shù)為核心的管道靜態(tài)參數(shù)測量系統(tǒng)

2、方案。這些技術(shù)和方法是測量特種管道諸多靜態(tài)參數(shù)所需的共性技術(shù)，因此，僅以特種管道靜態(tài)參數(shù)之一的彎曲度參數(shù)的測量為例，對系統(tǒng)涉及到的上述關(guān)鍵技術(shù)問題進(jìn)行了深入地研究，主要包括以下五個方面的內(nèi)容： 1.提出了爬行器運(yùn)動控制系統(tǒng)進(jìn)深運(yùn)動的動力學(xué)模型，以及均勻照明模型根據(jù)系統(tǒng)實際工作情況，提出了爬行器運(yùn)動控制系統(tǒng)進(jìn)深運(yùn)動的動力學(xué)模型，并深入研究了負(fù)荷大小、載體轉(zhuǎn)動慣量與電機(jī)扭矩的大小及其變化關(guān)系。同時還研究了爬行器運(yùn)動控制系統(tǒng)進(jìn)深定位精

3、度的影響因素。 根據(jù)照度均勻設(shè)計原則，提出了均勻照明模型，并針對管道內(nèi)部空間狹小、測量系統(tǒng)結(jié)構(gòu)尺寸小、成像光學(xué)系統(tǒng)物距短、視場角大等特點，研究了在這種特殊環(huán)境下實現(xiàn)清晰成像所必需的照度分布條件及實現(xiàn)技術(shù)途徑。 2.提出了根據(jù)局部梯度模值判別靶標(biāo)圖像中各像素的噪聲類型，并使用復(fù)對數(shù)Gabor小波濾波器去除相應(yīng)噪聲的靶標(biāo)圖像噪聲抑制方法通過在降噪之前引入局部梯度模作為閾值，判斷圖像中每一個像素所受噪聲干擾的類型，根據(jù)不同的噪

4、聲類型使用不同的降噪方法。對受到椒鹽噪聲干擾的像素，使用中值濾波降噪。然后，對去除椒鹽噪聲的圖像，利用復(fù)對數(shù)Gabor小波提取各像素的相位信息和幅度信息，確定最小尺度濾波器對的噪聲幅度分布的估計值，從而自動地確定各個尺度上的噪聲幅度分布的估計值和噪聲萎縮閾值，去除靶標(biāo)圖像中的高斯噪聲。 3.針對亮度不均勻的靶標(biāo)圖像，提出了利用變分的自適應(yīng)閾值曲面圖像分割算法和基于最大模糊熵的圖像閾值分割快速算法利用變分的自適應(yīng)閾值曲面圖像分割算

5、法可以從非均勻亮度圖像中將靶標(biāo)圖案有效地分割出來。但由于偏微分方程迭代運(yùn)算耗時太大，使這種方法不能滿足測量系統(tǒng)的實時性要求，因此我們又提出了基于最大模糊熵的圖像閾值分割快速算法，使用了遺傳算法和模擬退火算法來加快算法的收斂速度。 4.提出了RBF網(wǎng)絡(luò)校正法和基于直線特征的非線性畸變校正法，校正靶標(biāo)圖像的幾何畸變基于RBF網(wǎng)絡(luò)的靶標(biāo)圖像畸變校正方法能夠克服多項式變形方法中的方程組奇異解的問題。但這種方法仍然需要準(zhǔn)確獲得控制點的畸變

6、位置坐標(biāo)和無畸變位置坐標(biāo)，否則畸變校正的效果不理想。因此，我們又提出了一種基于直線特征的網(wǎng)格靶標(biāo)圖案的畸變校正方法。這種方法不再需要獲取畸變圖像與校正圖像的控制點對，只要求成像視場中存在不通過視場中心的且具有一定長度的直線特征的空間對象，就可以求解畸變系數(shù)，完成畸變校正。 5.提出了一種將LoG算子和Zemike矩算子相結(jié)合的兩步高精度邊緣檢測方法先使用LOG算子將目標(biāo)(靶標(biāo)圖案和激光光斑)邊緣定位到像素級精度，然后對這些邊緣像