基于结构光的深孔零件内表面单视角三维重建

来源 :电子测量技术 | 被引量 : 0次 | 上传用户:qly1029
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
针对深孔类零件内表面三维测量问题,提出了一种新型深孔类零件内表面三维重建算法.该方法使用远心镜头和多线结构光发生器获取深孔类零件内表面的结构光图像,结合深孔零件的形态特征,建立了基于柱坐标系的远心镜头三维投影模型,并利用图像的偏移量计算测量点的半径,并在此模型上获取测量图像的三维重建点云.实验结果表明,该方法在155 mm直径的深孔测量中均方根误差在0.03 mm以内,测量精度满足系统要求,为精确分析深孔零件内表面状态提供了数据基础.
其他文献
新研制或生产的压力变送器需对它的技术性能指标进行全面检测,保证量值的精准输出.压力传感器经过一段时间储存积累使用或修理后也要对它主要的技术性能进行二次检定,保证其性能指标达到要求标准.现实生产中及工作环境的影响导致其输出产生非线性输出,因此提出一种基于三阶非线性多项式的逆模型进行压力变送器的非线性校准和采用改进粒子群优化算法的小波神经网络模型对其进行温度补偿校准.经过非线性校准后的输出最大绝对误差和常用的端基平移法相比,最大绝对误差从6.0265减小到了0.3086,经过改进粒子群优化算法进行温度补偿校准
运用Python语言对OBD采集的车辆运行数据搭建油耗预测模型.以车速v,发动机转速n,进气管绝对压力P,节气门位置TP,冷却液温度CT,负荷率L,怠速时间IT及加速度a等作为自变量,百公里油耗作为因变量,用SelectKbest函数将参数与因变量相关性强度进行排序并做简要分析,用基于Tensorflow的多层感知机(MLP)神经网络模型以及支持向量机(SVM)多元线性回归模型同时对油耗进行预测.支持向量机模型RMSE为0.088,MAE为0.56;Tensorflow神经网络模型RMSE为0.132,M
在机载激光雷达的发展与应用下,获取地物的空间分布情况变得更加快速便捷.为了实现面向机载激光雷达点云数据的地物分类,首先利用高程直方图去除原始点云的离群点;其次利用VoxelGrid滤波器采样,在确保形状的前提下,大量降低点云数量;然后改进K-means聚类方法,结合三维点云数据携带的高程信息对原始聚类中心和K值进行确定,并采用点云表面粗糙度做聚类分析,从而得到对地物的精确分类.通过对实验采集数据和公开数据上的结果对比可知,所提方法对点云数据分类的准确性高,总体分类精度分别为88.17%和90.47%,Ka