双目标定研究及其在风机叶片振动模态测量中的应用

摘要

摄影测量技术由于其高精度、易操作、实时性及非接触等优点，逐步应用于大型、复杂、柔性结构的位移和振动测量。相机标定指在测量之前通过一定的方法建立物点像素坐标与其三维坐标之间的映射关系，所以标定直接决定标志点三维坐标的提取。风力发电机叶片是一种具有复杂曲面结构的柔性体，其振动模态能反映整机运行状态及潜在故障。本文结合风力发电机叶片振动测量的实际工程背景，针对双目标定问题开展基于神经网络的标定方法研究，并且针对标定中角点的识别和定位精度问题开展了基于SV算子的亚像素级定位方法的研究。
　　本研究主要内容包括：⑴提出基于神经网络的虚拟靶标双目标定方法。相机的标定精度很大程度上取决于标定板在相机视野中的覆盖率，然而大面积的标定靶标制造加工困难而且不易操作。基于此，本文提出了利用单角点靶标构建虚拟立体靶标，并结合BP神经网络的非线性映射特性对双目相机进行标定。实验证明，该方法的标定精度的相对误差为0.0445％，明显较低于MATLAB标定工具箱0.1329%的标定误差。⑵提出双目标定过程中SV算子角点识别定位精度的改进方法。标定过程中，角点识别定位精度是相机标定精度的另一个重要影响因素。SV算子是针对棋盘格角点识别的一种主要方法，较其他特征点识别方法有其特殊性。本文在现有的SV算子角点识别定位的基础上，增加了双线性差值及质心提取的方法，进而将定位精度提高到亚像素级。实验证明，该角点识别定位的改进方法使相机标定的相对误差由原来的0.0445%下降到0.0211%，整体平均误差由原来的0.34727mm下降到0.16458mm，说明SV算子的改进方法有效地提高了标定精度。⑶针对所提出的标定方法及其改进方法的精度问题，搭建风力发电机叶片振动模态的双目视觉摄影测量实验台，并分别采取本文方法与MATLAB标定工具箱对实验结果进行分析，并通过叶片模态参数来评价本文标定方法的有效性。

目录

声明

第1章 绪论

1.1 研究背景及研究目的和意义

1.2 国内外发展及研究现状

1.3 本文的主要研究内容

第2章 双目视觉标定理论基础

2.1 引言

2.2 双目相机成像原理及模型

2.3 相机标定理论基础

2.4 角点识别定位理论基础

第3章 基于神经网络的虚拟靶标双目标定技术

3.1 引言

3.2 人工神经网络映射原理

3.3 神经网络标定实验

3.4 标定结果及误差分析

第4章 双目标定中角点定位精度改进方法研究

4.1 引言

4.2 SV角点识别算法原理

4.3 改进SV算子亚像素级定位方法研究

4.4 亚像素级定位精度的标定实验验证

第5章 标定方法在叶片振动测量中的应用实验

5.1 引言

5.2 实验对象及设备

5.3 叶片振动模态的双目测试实验

5.4 叶片双目视觉测量精度验证

5.5 实验结果分析

第6章 总结与展望

参考文献

附录A 攻读学位期间发表的论文与科研成果清单

致谢