基于网格搜索算法的圆锥度误差计算

针对圆锥度误差评定中寻找理想圆锥轴线问题,提出了网格搜索算法,并建立了圆锥度误差数学模型。该算法是在圆锥初始、终止截面的最小二乘圆心周围,布置一定边长的正方形并以此划分网格点,将两截面的网格点两两连线作为理论圆锥轴线,计算最小区域圆锥度误差。论述了采用网格搜索算法求解圆锥度误差的原理和步骤。实例表明,网格搜索算法可以有效、正确地评定圆锥度误差。     

使用迭代重加权最小二乘法求解平面度误差

提出了几何误差评定的迭代重加权最小二乘（IRLS-Iterative Reweighted Least Squares)算法。该算法采用一个迭代过程求解一系列加权最小二乘问题，并在每一步迭代中按照一定的规则对权系数进行调整，使其逐步逼近最优拉格朗日乘子。对于用CMM(坐标测量机)和其他设备得到的数据，可得到平面度误差的精确值。     

最小条件下直线度误差评定的不确定度研究

针对按最小条件评定直线度误差存在的不确定度问题,根据离散数据点测量的名义坐标和不确定度来计算最小条件下直线度误差的不确定度.假设测量数据点坐标服从均匀分布,基于最小条件的判定准则,讨论了参考直线的不确定性,并提出了处理方法.给出了直线度误差不确定度传递的公式和计算方法,讨论了用Monte Carlo随机模拟方法评定直线度误差,并用实例进行了分析,同时对测量点不服从均匀分布的情况进行了讨论.     

基于粒子群算法的圆柱度误差评定方法

根据最小区域条件，建立了圆柱度误差的数学模型以及优化目标函数和适应度函数，阐述了粒子群优化算法的原理和实现方法，然后根据粒子群算法优化求解。实例表明，该方法对于圆柱度误差评定等非线性优化问题能得到全局最优解，粒子群优化算法的计算精度与其他满足最小条件的计算方法相比略有提高，且参数设置少，计算速度快，可用于三坐标测量机等测量系统的圆柱度误差测量后的数据处理。     

截面最小二乘圆心偏心误差运动的分离方法

被测截面的最小二乘圆心不但是被测截面圆度误差的评定基准,也是圆柱度形状误差的重构基准,由于采用误差分离技术分离出的回转误差运动是截面最小二乘圆心的偏心误差运动和纯回转误差运动的叠加,有效地提取截面最小二乘圆心的位置,一直是研究难题。通过对圆度误差的分离过程和分离出的回转误差运动进行分析,利用三角函数序列的正交性,提出了一种不涉及回转轴纯回转误差运动的一阶谐波分量,完整提取截面最小二乘圆心偏心误差运动的分离方法,并通过实验验证了该项技术的正确性。     

车身拓扑网格简化算法研究

在车身逆向设计过程中,点云数据预处理后形成的拓扑网格数据庞大,直接导入三维软件中进行处理时,对计算机的显示、分析、存储、传输等会造成很大的负担.主要研究了车身曲面重构过程中基于二次误差测度的边折叠网格简化算法.该方法将点到相关平面的距离的平方和作为误差测度,进行多次的选择性边折叠,实现网格有效简化.通过VC 6.0编程实现了该算法,实验结果表明,该算法稳定可靠,效率较高,简化效果好.     

基于MATLAB图像处理的圆度误差数据采集方法

研究基于MATLAB的图像降噪处理,利用定点裁切法消除原始图像中的无关因素,提高图像降噪的处理效率,得出一种零件图像轮廓圆度误差的评定方法。此法在传统图像降噪法的基础上,对含有曲线数据的图像采用降噪流程,得到精确的零件轮廓二值图像。用最小二乘法对零件轮廓进行拟合,对得到的最小二乘圆度数据进行评定,并将所有采集的黑点的坐标进行计算,计算的结果与参考数值的误差仅为0.5μm,符合国标中对圆度公差值的要求。     

基于瞬时切削力和实体模型的三轴铣削仿真与试

引入加工面生成点概念,提出基于瞬时切削力的刀具变形计算和变形刀具移动扫描体的实体建模方法,通过布尔运算生成包含有几何与物理误差的仿真加工模型, 以图形动态显示仿真加工模型的生成过程,并给出精确测量仿真加工模型的方法; 采用PARASOLID建模核心和OpenGL对上述算法完成系统实现。仿真和实际加工试验结果表明,最大仿真误差为0.012mm、最小仿真误差为0.004mm,平均仿真误差为     

基于瞬时切削力和实体模型的三轴铣削仿真与试验

引入加工面生成点概念,提出基于瞬时切削力的刀具变形计算和变形刀具移动扫描体的实体建模方法,通过布尔运算生成包含有几何与物理误差的仿真加工模型, 以图形动态显示仿真加工模型的生成过程,并给出精确测量仿真加工模型的方法; 采用PARASOLID建模核心和OpenGL对上述算法完成系统实现.仿真和实际加工试验结果表明,最大仿真误差为0.012 mm、最小仿真误差为0.004 mm,平均仿真误差为0.008 mm.     

小孔的图像处理与圆度误差的评定

小孔的测量，特别是对其圆度误差的测量与评定，一直是小孔测量中一项较难解决的课题。为此本文提出了对小妃的测量采用图像处理方法进行数据采集，二值化处理，去噪声和边缘检测，进而对圆度误差进行评定，试验表明，这种方案提供了检测和评定小孔圆度误差的可靠方法，并且它具有新颖性，先进性和实用性。     

移动机器人RGB-D视觉SLAM算法

针对移动机器人视觉同步定位以及地图构建(Simultaneous localization and mapping,SLAM)研究中存在精确度较低、实时性较差等问题,提出了一种用于移动机器人的RGB-D视觉SLAM算法。首先利用定向二进制简单描述符(Oriented fast and rotated brief,ORB)算法提取RGB图像的特征点,通过基于快速近似最邻近(Fast library for approximate nearest neighbors,FLANN)的双向邻近(K-nearest neighbor,KNN)特征匹配方法得到匹配点对集合,利用改进后的随机抽样一致性(Re-estimate random sample consensus,RE-RANSAC)算法剔除误匹配点,估计得到相邻图像间的6D运动变换模型,然后利用广义迭代最近点(Generalized iterative closest point,GICP)算法得到优化后的运动变换模型,进而求解得到相机位姿。为提高定位精度,引入随机闭环检测环节,减少了机器人定位过程中的累积误差,并采用全局图优化(General graph optimization,G2O)方法对相机位姿图进行优化,得到全局最优相机位姿和相机运动轨迹;最终通过点云拼接生成全局彩色稠密点云地图。针对所测试的FR1数据集,本文算法的最小定位误差为0.011 m,平均定位误差为0.024 5 m,每帧数据平均处理时间为0.032 s,满足移动机器人快速定位建图的需求。     

无芒隐子草叶片卷曲度和厚度测量方法

针对叶片卷曲度和厚度交互式测量方式费时、费力、误差大,传统图像处理算法普适性不高等问题,以无芒隐子草叶片为研究对象,采用基于Graham 算法的最小外接矩形法实现叶片卷曲度的测量,采用矢量积法和角点检测相结合的凹凸点检测算法实现叶片厚度的测量。首先,通过石蜡制片获取无芒隐子草叶切片,利用显微镜连接计算机获取切片图像;然后,采用红色灰度化方法结合阈值分割将切片图像的目标和背景分离;最后,根据叶片卷曲度和厚度的实际测量方式,采用Graham算法通过求取目标区域的最小外接矩形实现叶片卷曲度的测量,将矢量积法和角点检测相结合检测目标区域的凹凸点,通过凹点与凹点、凸点与凸点匹配实现叶片厚度的测量。选取30幅无芒隐子草叶切片图像为样本进行了试验,结果显示,采用本文提出的红色灰度化方法和分量法、最大值法、平均法、加权平均法对图像进行灰度化处理后,图像信息熵分别为6.4280、6.3612、5.6679、5.9348、6.0526,图像平均梯度分别为0.0785、0.0242、0.0158、0.0093、0.0104,图像对比度分别为0.2641、0.1130、0.0574、0.0703、0.0784,说明本文方法能更好地保持图像的边缘、细节等信息,图像清晰度更高。进行自动阈值分割后,分割的平均误检率为0.75%,平均漏检率为3.49%,平均整体分割精度达到98.14%。在有效分割目标和背景的基础上,对叶片卷曲度和厚度进行测量,并与交互式测量结果进行相比,结果表明,采用本文方法对叶片卷曲度和厚度的测量值与交互式测量值的平均相对误差分别为0.96%和3.69%,测量速度分别提高了约10倍和37倍。     

基于有效拐点和最短最小路径的蚁群路径规划方法

为了提高蚁群算法路径寻优的收敛精度和收敛速度,提出一种基于有效拐点的栅格图和基于最短距离最小步数路径（最短最小路径）的蚁群算法,用于搜索地面移动机器人从起点到终点的最短路径。在标准蚁群算法路径规划中,蚂蚁的搜索方式是有限方向有限邻域,本文采取无限邻域的搜索方式,可取捷径搜索任何可直通的栅格点,并提出有效拐点的概念,减小了单步搜索量。提出最短最小路径的概念,并用其取代欧氏距离作为启发值,提高了启发值的准确度和可靠性,同时用起点到终点的最短最小距离指导信息素更新,提高了蚁群算法迭代的质量。最后,在不同规模、不同障碍比例的栅格地图环境下进行实验,结果表明用最短最小路径距离取代欧氏距离的合理性,并验证了本文方法可以在降低计算量的同时,以更快的收敛速度搜索到距离更短、步数更少的路径。     

基于三维激光点云数据的树冠体积估算研究

树冠体积是预估树木生物量的重要参数之一。为了实现对树木冠体体积无损高精度量测,随机抽取了6个树种、共计30棵树木的三维激光点云数据作为数据源,对树冠体积的求算方法进行研究。首先,对三维激光点云数据进行匹配、拼接、去噪及压缩等处理,提取冠体点云数据;其次,提取每一棵样木树冠的边缘特征点;最后,应用不规则三角网TIN的原理算法计算冠体体积。本文所提取的边缘特征点能够最大限度地维持树冠冠体的整体不变形,还能够继续去除部分冗余数据,缩短了不规则三角网TIN的构建时间,提高了计算效率;此外,树种包含有针叶树和阔叶树,在冠形上既有针叶树所特有的冠体体态特征,又有阔叶树的冠体体态特征,其研究结果具有一定的代表性。本文采用的方法与已有文献计算结果对比表明:均方根误差为0.832,平均绝对误差为0.49,平均相对误差为1.75%,可看出二者之间差异较小;同时在30个样木中随机抽取5个样木的人工测量结果与本研究相比较,取得的精度相对较好。采用本研究所得结果精度较高,能够满足生产需求。     

基于RGB-D相机的油菜分枝三维重构与角果识别定位

为实现高效低成本的油菜植株三维建模和表型参数在线测量,提出一种基于RGB-D相机的油菜分枝三维重建和角果识别定位方法。使用Kinect传感器拍摄角果期油菜分枝在4个视角下的彩色图像和深度图像,进而获取油菜植株的三维点云并滤波。对配准的点云进行旋转变换,计算点云的曲面法矢量和曲率,并由曲率相近的点构成配对点对,再使用基于KD-tree搜索的最近点迭代(ICP)算法实现点云的初配准。将初配准误差作为参考值,调整ICP算法的对应点距离阈值,使用初配准的操作流程对初配准得到的新点云进行再次配准,完成精配准。结合该三维重建方法和针对性的彩色图像处理方法,得到去除主茎的单分枝油菜角果的完整点云,再进行欧氏聚类实现单个角果的空间定位。实验结果表明,提出的三维重建方法具有较强的实时性和鲁棒性,单个角果的三维形态清晰可见,点云平均距离误差小于0. 48 mm,角果总体识别正确率不小于96. 76%。     

三角网格模型变形设

提出了一种三角网格模型变形算法,采用最小二乘法求解三角网格模型变形设计的参考曲面,将网格顶点向参考曲面投影,建立网格顶点与投影点间的映射关系,通过调整参考曲面控制顶点,根据投影点位移量调整网格顶点坐标,采用三角Bézier曲面理论进行网格模型光顺处理,实例证明该方法可准确控制模型形状,有效提高三角网格模型的光顺性及变形设计效率.     

基于三维点云的叶面积估算方法

为实现低成本无损精确测定叶片面积,基于运动恢复结构算法获取点云,提出了一种融合叶片点云分割、表面重建及叶片面积无损估测等过程的植物叶片面积提取方法。首先,基于运动结构恢复算法,以智能手机获取的可见光图像重建植物的三维点云;其次,为了还原叶片表面形状,基于HSV颜色空间,使用阈值分割法去除叶片点云的噪点;使用K-means聚类算法对点云的三维坐标矩阵进行分类,实现单片叶片点云的分割;基于滚球算法重建叶片的表面网格模型;最后,通过计算网格面积求得叶片面积。与常规叶面积测定方法进行了对比,本文方法的计算结果与扫描叶片法测定值相比平均误差为1.21cm2,误差占叶片面积的平均百分比为4.67%;与叶形纸称量法测定值相比平均误差为1.41cm2,误差占叶片面积的平均百分比为6.05%。结果表明,本文方法成本低、精确度高,可满足植物叶片面积无损精确测定的需求。     

散乱点云局部型面参考数据的快速查询算

提出了一种散乱点云局部型面参考数据的快速查询算法.该算法改进R*-tree建立散乱点云的空间索引结构,获取采样点所在叶结点,依据该结点MBR构造空心球,深度优先遍历R*-tree获取空心球内数据点,通过动态扩展空心球内外半径实现散乱点云局部型面参考数据的快速获取.实验表明,该算法可适用于各种复杂型面散乱点云,提高了查询的准确性与查询效率.     

基于运动恢复结构的无规则植物叶片面积三维测量方法

接触式测量植物叶片面积的方法会对叶片造成一定程度的伤害,为此本文提出一种仅利用智能手机的非接触式多类别无规则叶片面积三维测量方法。首先,采用运动恢复结构方法获取植株的三维重建点云,在HSV颜色特征空间去除叶片三维噪点;然后,利用模糊C均值聚类算法分割单个叶片,重建叶片表面三角网格;最后,通过网格法计算叶片面积。对5种不同类别、不同形状的植物叶片进行了测量实验,结果表明,在叶片重叠率和复杂性角度上,面积测量的平均相对误差分别为6.25%和4.81%。本文方法测量稳定、精度高,能够满足多类别无规则植物叶片面积测量的需求。