工件特征在机测量的关键误差分析与补偿研究

针对激光在机测量工件特征时的测量精度问题,对测量系统的关键误差影响因素及补偿应用进行了研究。使用激光位移传感器作为测量工具对工件特征进行在机测量时,测量结果受激光位移传感器倾斜误差和数控机床几何误差影响。为了校正激光位移传感器在物面倾斜时引起的测量误差,设计了倾斜误差试验,利用勒让德多项式对倾斜误差进行了建模和补偿,补偿后倾斜误差可减小至±0.025 mm以内。针对不动式激光在机测量时数控机床线性轴几何误差对测量结果的影响,设计了球杆仪倾斜安装试验,利用参数化建模的方式对X轴和Y轴的几何误差进行了解耦。最后根据建立的倾斜误差与几何误差模型,对工件特征的在机测量结果进行了补偿。结果表明,对工件特征在机测量结果进行误差补偿后,线性尺寸测量误差小于0.05 mm,角度测量误差小于0.08°,相较于补偿前在机测量精度明显提高。     

基于SURF-HOG与显著性特征的红外可见光图像配准融合北大核心CSCD

针对现有红外与可见光图像配准不精确,边缘及细节纹理缺失,融合时间较长,不能突出重点目标等不足,提出一种基于SURF-HOG描述符与红外显著性特征的红外与可见光图像融合方法。首先,在红外与可见光图像配准阶段,在SURF(Speed-Up Robust Features,SURF)框架内构建基于HOG(Histogram of Oriented Gradient,HOG)的特征点描述符,并通过NNDR(Nearest Neighbor Distance Ratio,NNDR)进行红外与可见光图像的特征点匹配;其次,在显著特征提取阶段,先通过四叉树算法对源红外图像分解,然后通过贝塞尔插值法重建红外图像背景,接着分别对红外图像中的背景及目标进行自适应抑制以提取目标红外显著性特征;最后,结合已配准的可见光图像与重建后的红外图像以获取最终融合结果。实验结果表明,所提方法对不同场景下的红外与可见光图像具有较高的配准精度,不同场景下的融合结果不但主观视觉上具有显著的目标特征,同时背景纹理和边缘细节清晰,整体对比度适宜,运行时间最短,并且在客观评价指标上也取得了较好的效果。     

融合曲率信息的点云配准方法

针对点云配准时受原始位姿局限及配准效率、鲁棒性低的问题,提出一种融合曲率信息的点云配准方法。首先,将海量点云进行重心邻近点体素下采样,采用融合曲率信息的提取算法提取特征点;其次,通过三维形状上下描述符进行特征描述并利用改进的随机抽样一致性算法进行粗配准;最后,在具有较好位姿的情况下采用Symm-ICP进行精配准。试验结果表明,该算法对于不同位姿的点云数据均保持较高的配准精度。本文提出的算法配准效率优于其他算法,并具有较好的鲁棒性。     

基于深度学习的激光干扰成像评估方法

可见光主动成像系统被广泛应用于成像侦察领域,激光压制干扰是一种可以利用的反制手段。合理地对激光干扰效果进行评估,对于干扰一方具有重要意义。为了更客观地评价激光干扰对成像侦察的影响,从可见光成像侦察的特点出发,对激光干扰可见光成像效果进行划分,确定了干扰效果评估需求。建立了可见光图像的激光干扰效果评估模型,结合基于YOLOv4的目标检测置信度及WFSIM算法的三个图像特征表征指标,形成了对应的评估体系。构建了一套参数可调的激光干扰图像采集及评估分析实验系统,对人体目标进行图像采集,验证了提出的评估体系及方法。     

引入特征交互的红外与可见光图像自适应融合北大核心CSCD

在图像融合领域,现有的基于卷积神经网络(CNN)或Transformer架构的方法存在两个局限性:首先,浅层纹理特征与深层语义特征之间无法有效聚合;其次,红外与可见光特征的权重比例无法自适应变化。本文提出一种引入特征交互的红外与可见光图像自适应融合方法。首先,构建一种基于Transformer的特征交互模块,聚合跨尺度特征信息,增强特征表达能力。其次,设计一种融合模块,自适应地调整特征权重比例。所提出的融合方法通过两阶段训练策略完成。第一个阶段,应用创新的特征交互概念训练编码器,增强特征表达,重建特征图像。第二个阶段,基于设计的权重自适应调整模块训练红外与可见光特征融合任务。公开数据集的实验结果表明,与现有方法相比,本方法在主观和客观的评价方面均优于其他典型方法。     

结合局部增强与反向残差的点云语义分割网络北大核心CSCD

激光点云是3D传感器的输出,且对它的语义分割任务是理解真实世界的基础。基于图卷积的点云分割网络在许多场景下都展现了优异的性能。然而,现有的图卷积方法存在部分问题:点云局部表示的能力未得到加强,忽略了全局几何信息,并且聚合操作只保留局部最大响应值信息,而次最大值信息丢失。为了处理这些问题,本文提出GRes-Net网络。利用局部几何加强(Local Geometry Augment,LGA)模块,使网络对Z轴具有旋转不变性,以便加强点云局部信息表示;采用全局几何特征(Global Geometry Feature,GGF)模块,计算局部与全局的球体体积比,将其与坐标特征X进行连接,使全局几何信息特征得以保留;通过多个对称聚合操作将局部信息多方面地保留;网络中每层都使用残差操作,将上一层信息传递到下一层,以及利用反向残差模块(Reversed Residual MLP,RevResMLP)挖掘更深层次的语义信息。本文在S3DIS数据集上进行语义场景分割实验,验证网络分割的性能。实验结果表明该方法在分割精度上达到61%,相比于基准网络DGCNN提高14%,有效地提高了模型性能。     

一种扇区投影和滑窗连线的特征提取方法

针对点云特征线提取中不均匀点、不明显特征点和特征线断裂的问题,提出了一种扇区投影和滑窗连线的特征提取方法。该方法首先对点云进行全局密度分析,计算平均点间距,然后采用扇区投影法统计扇区内邻近点的分布情况,由分布情况确定点云模型边界点,进而计算局部三角形法线,根据法线突变情况判断尖锐折边点,在扇区投影的基础上延伸局部探线,根据不同的探线类型制定判断非尖锐折边点的相关策略,最后基于滑窗连线的方法,将无序特征点有序连接,得到光滑特征线。实验证明,该方法可以较完整地提取模型的特征线,同时具有一定的抗噪能力。对比其他两种方法,本文方法对模型中的弱特征更敏感,提取效果相对较好。     

能量耦合模型的飞秒激光烧蚀面齿轮形貌研究北大核心CSCD

飞秒激光精微加工面齿轮材料18Cr2Ni4WA是去除材料的先进制造方法。本文依据烧蚀凹坑的深度与宽度和激光能量密度的关系得到材料的烧蚀阈值和影响重叠率的因素。考虑齿轮材料成分间互温感应效应与多脉冲激光累积效应,建立材料的能量复耦合模型。通过改变激光能量密度和脉冲数,研究飞秒激光烧蚀凹坑及齿面形貌表面的变化规律,得出脉冲数对烧蚀效果影响小,激光能量密度为1.730 J/cm2激光功率为1.9 W脉冲数N=3000进行烧蚀效果最好可得到最优的实际烧蚀面深度为17.604μm。     

基于WHI及ICP的点云配准算法

针对两步点云配准中精度差、计算效率低、易受噪声干扰的问题,提出一种基于WHI特征描述符结合改进的ICP点云配准算法。首先,对大数据量的点云通过ISS算法提取特征点集作为配准点云;然后,计算特征点云的WHI特征描述符,利用随机采样一致性算法完成粗配准;最后,基于安德森加速迭代ICP算法对粗配准点云进行精确配准。通过多组点云数据集对所提算法进行验证,实验表明,该算法配准精度高、速度快,在含有噪声数据集的优势更明显。在不同的点云模型下,所提算法的配准效率提高2倍以上,在噪声环境下具有一定的鲁棒性。     

融合注意力分支特征的甲烷泄漏红外图像分割

甲烷是现代化工业生产和社会生活的重要能源之一,实现其有效探测与分割对于及时发现甲烷泄漏事故并识别其扩散范围具有重要意义。针对红外成像条件下甲烷气体图像的轮廓模糊、泄漏的甲烷气体与背景对比度较低、形状易受大气流动因素影响等问题,本文提出一种融合注意力分支特征的红外图像分割网络（Attention Branch Feature Network,ABFNet）实现甲烷气体泄漏探测。首先,为增强模型对红外甲烷气体图像的特征提取能力,设计分支特征融合模块将残差模块1和残差模块2的输出特征与残差模块3以逐像素相加的方法融合,获取红外甲烷气体图像丰富细致的特征表达以提高模型识别精度。其次,为进一步加快模型的推理速度,将标准瓶颈单元中的3×3卷积替换为深度可分离卷积,大幅度减少参数量达到实时检测甲烷气体泄漏。最后,将scSE注意力机制嵌入到分支特征融合模块,更多地关注扩散区域边缘和中心语义信息以克服红外甲烷气体轮廓模糊对比度低等问题提高模型的泛化能力。实验结果表明,本文提出的ABFNet模型AP50@95、AP50、AP60定量分割精度分别达到38.23%、89.63%和75.33%,相比于原始YOL...