随着民航业的蓬勃发展,飞机的航行安全问题受到越来越多的关注。资料表明,航空发动机故障是影响飞机航行安全的重要因素之一,通过对航空发动机尾气流场进行测量可以实现对发动机运行状态的监测,进而预知发动机潜在的安全隐患。课题“航空发动机尾气流场散斑测量立体匹配方法研究”其目的是在现有视觉测量研究的基础上,研究一种散斑测量立体匹配方法以满足航空发动机尾气流场环境的测量需求。基于这一需求,论文的主要研究内容包括:1、结合双目立体视觉测量系统在航空发动机尾气流场应用中的限制,论文研究了虚拟立体视觉测量系统,该系统简化了采集过程且解决了双目视觉测量系统中存在的拍摄不同步问题。2、在虚拟立体视觉测量系统标定过程中,论文提出了采用BP(Back Propagation)神经网络的相机内参校准方法。该方法结合BP神经网络所具有的非线性映射能力,通过对校准点处畸变量进行训练实现了相机内参的高精度校准,并进行了实验验证。3、在散斑测量立体匹配过程中,论文提出了采用改进KLT(Kanade-Lucas-Tomasi)算法的散斑测量立体匹配方法。该方法在引入视频帧间处理过程中KLT算法的基础上,利用图像金字塔实现了对KLT算法的改进,同时为进一步优化立体匹配效果,采用最大双向误差MBE(Max Bidirectional Error)、外极线约束建立误匹配删除机制,进而实现散斑测量高精度、高效率匹配,并进行了实验验证。4、对搭建的虚拟立体视觉测量系统进行了实验验证,实验结果表明测量系统原理正确,研究的采用改进KLT算法的散斑测量立体匹配方法具有较高的精度。根据匹配结果绘制的流场矢量图符合预期,进一步验证了散斑测量立体匹配方法的准确性。