数字图像处理在发动机孔探技术中的应用

孔探技术在航空发动机故障检测中有着重要的作用,而作为孔探技术的前续部分数字图像处理是基础.简单介绍了孔探技术的基本原理,并集中阐述了数字图像处理在孔探技术中的应用,叙述了有关立体视觉的立体匹配原理.     

基于立体视觉的孔探分析系统及其应用

孔探分析在现代航空发动机故障诊断中一直发挥着重要的作用，开发基于立体视觉的孔探分析系统，对提高故障诊断水平和预测准确度，节约发动机维护成本有着重要的现实意义，系统利用立体视觉技术以及图像处理技术，完成了对双目视觉左右图像的标定和匹配，实现了对实体表面的三维测量和立体重建，本文介绍了基于立体视觉的孔探分析系统的基本原理与主要功能，并结合应用实例验证了系统的有效性。     

一种融合深度信息的火星局部地表图像立体匹配方法

针对火星局部地表形貌原始自然、色彩单一和纹理相似度高难以实现双目精确定位的问题,提出一种融合深度信息的火星局部地表图像立体匹配方法.利用空间金字塔特征提取模块聚合不同尺度和位置的上下文信息,然后通过分层立体匹配架构构建多尺度的匹配代价卷,用条件代价卷归一化代替批量归一化层,在立体匹配网络的代价正则化阶段以深度信息为条件调制匹配代价卷特征,从而降低计算量,提升推理速度,并生成高精度的视差图.最终利用感兴趣目标的视差值并结合相机的基线参数,得到目标点在指定坐标系下的三维坐标从而实现定位任务.在火星模拟场数据集上的视差图达到了三像素误差小于0.017％,通过与GCNet+ CCVNorm等方法的结果进行比较,表明所提出方法在火星局部地表下的优势.     

基于递推自适应权重的快速稠密立体匹配

针对经典自适应权重稠密立体匹配算法计算量大的问题,提出了一种递推自适应权重算法.重新定义相邻像素的权重为距离衰减因子和色彩差异函数的乘积,不相邻像素权重为相邻像素权重的累乘,色彩差异越小、距离越近的像素权重越大;证明了在新的权重定义下,一维空间的匹配代价融合可以通过两次递推完成,真实图像的匹配代价融合可以通过4次递推完成,同时给出相应递推公式;递推匹配代价融合时每个像素每一视差只做4次乘法和8次加法,计算量比窗口大小为35×35的经典自适应权重算法小约两个数量级;基于递推匹配代价融合实现了一种快速稠密立体匹配算法.使用Middlebury大学的测评集测试该算法,证明了递推自适应权重算法的速度和精度均优于经典自适应权重算法.     

天问一号着陆器双目视觉避障技术

对天问一号双目视觉避障技术的组成、方案及原理进行了介绍,通过图像障碍识别和双目立体地形感知完成天问一号降落过程中的安全着陆点自动选取.通过高分辨率双目匹配和亚像素插值处理,提高远距离双目测量精度;在计算资源严格受限的条件下,采用FPGA作为硬件加速平台,通过功能模块的并行化和流水线设计,提高计算视差和三维信息的速度;为...     

航空发动机孔探中立体视觉技术研究

介绍了基于立体视觉的发动机孔探技术，建立了平行光轴双目机器视觉模型并采用MATLAB语言实现了摄像机标定，通过图像分析提取出发动机损伤的有效区域，并且运用双目匹配的方法计算出区域的面积及特征点的空间坐标，实现了航空发动机缺陷的定量测量。     

激光治疗鲜红斑痣手术机器人双目视觉系统的实时立体匹配

针对激光治疗鲜红斑痣手术机器人双目视觉系统在监测治疗区域的空间位置时立体匹配的实时性和准确性要求,提出了一种基于极线引导的立体匹配算法。采用基于角点的Hu矩匹配,计算双目视觉系统的基本矩阵。实验结果与计算结果相符。     

着陆避障中双目立体匹配方法与仿真

摘要： 在着陆避障过程中，利用双目相机拍得的图片进行立体匹配得到稠密的地形高程图是一种有效的方式.文中对绝对误差之和(sum of absolute differences, SAD)、全Census变换以及稀疏Census变换立体匹配方法原理进行说明，针对SAD算法无法处理左右图像亮度不一致的情况提出了对匹配窗口进行灰度规范化以及加入LOG滤波的改进措施，并且对上述方法分别应用数据库图像和沙盘拍图进行仿真测试及比较，从匹配错误率和实时性的角度分析各算法在地外星体着陆这种特殊场景中的使用性能.     

利用遗传算法进行稠密视差图估计

提出了一种利用遗传算法解决立体匹配问题的方法以获得稠密的视差图。与以往方法不同．本将立体匹配问题看作一种多极值的优化问题——从一组可能的视差图中找到最合适的一个。在大量的优化算法中，已经证明对于具有广阔搜索空间的全局优化问题，遗传算法是一种潜在的有效方法。从这个思想出发．本把每一个视差图看作是一个进化个体．并把视差值作为染色体进行编码．因此该算法中．一个个体将会包含大量的染色体。然后，把一些匹配约束转化形成目标函数，利用遗传算法去搜索待解决问题的全局最优解。另外，为了减少匹配上的不确定性以及时间消耗，中还采用了从粗糙到细致的层次化匹配策略(coarse—to-fine strategy)。最后给出合成图与真实图的匹配实验结果．以验证该方法的性能。