评定线轮廓度误差的通用数学模型

建立了用最小二乘法评定平面曲线轮廓度的通用数学模型。运用该模型可对任意平面曲线的轮廓度进行评定，从而将直线度、圆度、椭圆度以及任何线轮廓度的评定归结在统一的模式中。由于所建立的模型直观、明了，很容易在计算机上实现，因而可在生产实际中普遍推广应用。举例说明了线轮廓度误差可分离成形状误差、参数误差和位姿误差，给出了分离公式和误差补偿原则。     

数控加工中在线测量线轮廓度误差应用研究

探讨数控加工中利用误差分离技术在线测量线轮廓度误差新方法,在进行误差分离计算机仿真基础上,在实际加工中进行实测,测量准确度和测量效率大大提高.     

高温环境下物体外形轮廓动态测量与评价方法探索

针对高温环境下的物体外形轮廓测量,给出了一种基于立体视觉的动态测量与评定方法。包括实现轮廓度测量的光学特征构建方法、基于光谱原理的高温图像采集方法、理论轮廓数据建模及评价方法。通过试验将该方法的测量结果与三坐标测量机的测量结果进行了分析和比较。结果证明,该方法的轮廓度测量误差小于0.5mm,可以满足高温环境下物体外形轮廓检测的要求。     

评定线轮廓误差的通用数学模型

建立了用最小二乘法评定平面曲线轮廓度的通用数学模型。运用该模型可对任意平面曲线的轮廓度进行评定，从而将直线度，圆度，椭圆度以及任何线轮廓度的评定归结在统一的模式中。由于所建立的模型直观，明了，很容易在计算机上实现，因而可在生产实际中普遍推广应用。举例说明了线轮廓度误差可分离成形状误差，参数误差和位姿误差，给出了分离公式和误差补偿原则。     

用圆度仪测量圆柱度误差

圆柱度误差是指实际圆柱轮廓表面对其理想圆柱面的变动量。它全面地反映了圆柱形工件的误差状况。因此,对高精度的轴类或孔类零件,测量其圆柱度误差具有重要意义。当前,圆柱度误差的测量还是形位误差测量中一个较难的问题,如将其方法进行归类,基本上可以分为柱坐标测量法和特征参数法。其中,柱坐标测量法是一种比较理想的方法。本文将介绍用Talycenta圆度仪测量圆柱度误差的方法。一、测量原理测量圆柱度误差时,应同时具备两个基准:一个圆基准,一个直线基准。Talycenta     

误差与不确定度

测量误差与测量不确定度,是计量学中的两个重要基本概念。随着现代科技,工业和商贸的发展,而用测量不确定度来表示测量结果的可靠程度越来越被认可和接受。讨论误差测量与测量不确定度,阐明以不确定度表示测量结果的必然性。     

二次曲面拟合与拟合参数不确定度分析

由离散点进行二次曲面拟合问题可归结为存在约束条件的非线性优化问题,在总结了拟合参数初值计算和优化算法的基础上,研究了点位的坐标测量误差对拟合参数和曲面轮廓度评价的影响.给出了评价二者不确定度的解析方法和Monte-Carlo模拟方法,并指出,对于实际的测量数据,只有采用Monte-Carlo模拟方法进行拟合参数和轮廓度的不确定度评价才是可靠的.仿真实验和实物测量实验表明,给出的二次曲面拟合方法和不确定度估计方法是正确的.      

圆度的在线测量

介绍了采用袖珍 PC—1500计算机进行圆度在线测量的方法、接口设计和程序编制。实践证明,该测量系统性能稳定,工作可靠,抗干扰能力强,适合在车间条件下操作,解决了对大型轴类零件进行圆度测量的实际问题。     

动态测量不确定度初探

以振动加速度有效俭测量的不确定度为例，探讨了动态测量中不确定度的涵义、表示形式、评定和合成等四个问题。     

未知螺旋面端截面轮廓及其共轭齿形测量计算方法

以螺杆压缩机转子为例,介绍了未知螺旋面端截面轮廓及其啮合的共轭齿形求法,给出了实用计算公式。     

基于图像特征分析的物体轮廓提取

对物体的轮廓进行分析提取,是计算机视觉方向的基础问题之一,对其进行研究对于复杂场景的分析理解至关重要。本文对室内场景图像进行研究,基于图像特征进行图像分割,提取物体轮廓。在彩色场景图像全局轮廓后验边界概率（gPb）提取算法的基础上,加入深度图像信息,对室内场景的彩色、深度（RGB-D）图像中的物体轮廓进行分析。通过多尺度信息融合,计算得到多尺度轮廓后验概率（mPb）和谱后验概率（sPb）,两后验概率加权综合得到gPb。而后结合超度量轮廓图与分水岭算法,对基于方向特征变化的gPb图像融合处理,最终得到清晰的物体轮廓。本文所提方法在通用的RGB-D数据库基础上进行实验。实验结果表明,本文所提出的方法能提取出清晰的室内物体轮廓图。      

测量不确定度

介绍了不确定度的发展，通过实例对不确定度进行了分析，对不确定度的国际趋势作了展望。     

大型工程平行度测试的两种方法

平行度误差测量是大型工程质量保证的基础。根据实践经验总结了现场测试平行度误差的方法:勾股弦原理测量法和光学平移法。结合实例说明这两种方法的正确性和可行性,并讨论了它们的测量误差和适用场合。     

测量结果的不确定度

不确定度是测量质量的重要指标。根据测量分布,提出了两类不确定度的评定方法,阐明了合成不确定度与总不确定度的计算和性质,并举出了应用例子。     

空间目标快速轮廓特征提取与跟踪技术

为满足空间目标交会对接任务中高精度、快速的测量要求,提出了一种空间目标快速轮廓特征提取与跟踪技术。该算法首先从初始帧图像中分割定位目标所在局部区域,作为目标连续跟踪的初始值;其次基于初始帧目标局部区域完成对初始帧目标边缘特征的检测及细化处理;最后采用Hough变换完成对初始帧目标边缘的检测及细化后的局部图像轮廓直线的提取,分别选取目标轮廓四方向最优的直线参数作为最终目标轮廓直线获取的效果,并采用梯度最大法则实现两两求交获取的轮廓特征的优化提取。在目标逼近过程中,结合相邻帧图像间目标尺度动态变化的关联性,根据初始帧提取目标轮廓特征的先验信息,确定目标在第二帧图像中的轮廓位置,并依次根据上一帧图像的轮廓位置信息定位目标在当前帧所在的区域,通过局部处理实现序列图像轮廓区域特征的连续跟踪。该算法无需遍历整个图像,所需处理的目标区域大幅减小,能够有效克服由目标图像较多边缘干扰导致的轮廓提取效果差及处理速度慢的缺点,具有速度快、准确性强、稳定性高等优点。     

误差与不确定度刍议

测量不确定度是现代误差理论的核心和最新发展。不确定度与误差有千丝万缕的联系,不确定度的标准偏差、合成、传播和扩展均是误差分析方法的推广并依赖于误差理论。但是,不确定度表征的是测量结果的分散性,误差是测量结果与被测量的真值之差。前者恒为正,后者可正可负。由于真值不可知,测量误差不可能准确知道,而测量不确定度则可定量评定。因此,两者不是一回事,切不可将误差等同于不确定度。     

误差分离法测圆柱度误差的不确定度估计

阐述五测头误差分离法在普通机床上实现圆柱度误差在位测量的原理和方法，并对测量不确定度进行了全面的分析和估计，明确了测量精度范围。此不确定度分析有助于机床误差的修正和补偿，对其它形状误差的精密测量和误差分离技术的实际应用具有普遍意义。     

面向空间抓取任务的目标轮廓跟踪方法

在空间抓取任务中,视场背景复杂,光照条件变化剧烈,而且存在相对运动。文章提出了一种新的动态轮廓特征检测跟踪方法。首先在灰度梯度法基础上,引入形状匹配、面积筛选和自适应灰度阈值调整方法,提高了轮廓提取的鲁棒性。随后,基于该提取结果,利用图像序列的时域相关约束辅助GVFSnake算法进行轮廓跟踪,提升了动态检测速度。最后,考虑到空间抓取任务的实时性需求,采用CUDA运算架构对算法进行并行化处理,并对一组序贯图像序列进行了轮廓跟踪实验。实验结果表明,此方法在CUDA平台下轮廓跟踪速率达到了10帧/s,在保证轮廓检测的准确性的基础上,明显改善了检测速度。     

使用深度神经网络检测Cassini ISS图像中圆盘状星体轮廓

Cassini空间探测器光学成像系统（ISS）拍摄的图像中，很多卫星呈现为面元，其轮廓检测是天体测量的重要工作.使用神经网络方法进行ISS图像中面元轮廓检测.每个ISS图像的像素分为轮廓边缘和非轮廓两类.使用神经网络框架TensorFlow，输入每个像素的9个特征，输出每个像素的分类.利用约3.6万个像素训练该网络，通过380幅ISS图像进行测试.与人工标记结果相比，轮廓像素检测的平均精确率为78.26%，平均召回率为73.32%.以检出轮廓像素作为输入，通过椭圆拟合得到面元的轮廓，所得轮廓与面元真实轮廓吻合良好.研究结果表明该方案能够有效检测出面元轮廓，进而给出假图像星的排除范围.      

工件表面轮廓均方根斜率的光散射测量

描述并确定具有明显纹理粗糙表面均方根斜率的光散射技术(均方根斜率是联合表面轮廓高度和波长特性的混合参数)。称为散射光锥法(The scattered light-conemethod)的该技术是基于激光角散射检测阵列(DALLAS——Defector Array for Laser LishtAngular Scattering),它用于测量粗糙表面散射光角分布的仪器。均方根斜率是从DALLAS光散射图象的角宽得到的。一般可以发现角宽(即估计的均方根斜率)对光的入射角和散射角变化相当大时是不敏感的。这些结果与表面材料无关,并且对正弦和随机粗糙表面都是有效的。介绍了散射光锥法的测量原理、实验、数据分析和几点结论。