一种改进的模糊度子集选取方法及其性能评估

模糊度固定（ambiguity resolution, AR）能在一定程度上加快精密单点定位收敛并提高定位精度。但是模糊度固定率和计算效率会随模糊度数量的增加而降低，因此部分模糊度固定（partial ambiguity resolution, PAR）备受关注。PAR技术的关键在于模糊度子集选取，提出了一种改进的模糊度子集选取法，将高度角、信噪比以及模糊度方差联合作为模糊度子集选取的指标。实验结果表明：静态模式下，相比于全模糊度固定（full ambiguity resolution, FAR）和基于高度角的PAR方法，该方法的固定率分别提升9.65%和2.56%，首次固定时间分别缩短6.86%和3.43%，收敛时间分别缩短15.57%和5.13%，当三种方法固定率大致相同时，定位精度分别提升4.74%和5.39%；动态模式下，该方法的固定率分别提升22.75%和0.92%，首次固定时间分别缩短12.44%和0.44%，当三种方法固定率大致相同时，定位精度分别提升3.50%和4.89%。总体而言，无论是在静态还是动态模式下，该方法相比于FAR和基于高度角的PAR方法，性能均有所提升。     

基于条纹投射三维测量的铆钉自动化检测技术

针对大型薄壁结构铆接点位自动化检测问题,提出了基于条纹投射三维测量的铆钉检测技术,实现了铆钉镦头尺寸特征高精度测量以及裂纹缺陷自动化识别。在传统条纹投射三维测量的基础上,引入高动态范围(HDR)纹理合成,提出二、三维结合的点云分割策略,实现铆钉尺寸特征高效提取。搭建深度学习神经网络,实现镦头表面缺陷识别。本文搭建了系统原理样机,以铆接桁条样品和标准器作为样件进行系统实验验证。结果表明:实验室条件下,该方法直径测量精度为0.040 mm,高度测量精度为0.013 mm,缺陷识别准确率可达99.30%。与传统方法相比,本文提出的方法更加易于集成,效率高,具有广泛应用价值。