大型起重机金属结构无人机智能视觉检测系统研究

针对起重机长期承载、疲劳与腐蚀效应、材料老化、磨损、维护保养不良等造成的金属结构疲劳裂纹、表面锈蚀、局部损伤等问题,利用无人机系统技术和机器视觉理论,研究应用于高空、高温、大风等危险恶劣环境下的远程自动检测技术,代替或辅助完成人所不能、不适或力所不及的各项结构检测工作。系统采用无人机作为飞行平台,搭载高分辨率视觉传感器探测装置,实时采集显示被检测区域的图像,利用数字图像处理技术进行缺陷特征提取与识别,以求从根本上改变起重机重要检测部位在危险检测环境下的人工检验方式,进一步提高特种设备的自动化检测水平。     

箱式无尘黑板

针对目前传统黑板难擦拭,漫天飞舞的粉笔灰容易造成慢性疾病,严重影响老师、学生身体健康的问题,设计了一款自动清洁的黑板。它主要由黑板擦、导轨、滑块、电机和传动装置组成。电机带动黑板擦在导轨上左右移动擦洗黑板。整个过程在密闭的箱体中进行,有效控制了粉尘飞扬,彻底解决黑板粉尘污染问题。     

航空变焦距斜视成像几何畸变的自动校正

针对变焦距航空摄像机斜视成像产生的几何变形,提出一种同时校正斜视梯形失真和变焦距镜头非线性畸变的自动校正方法。根据直线透视投影不变性原理,利用单参数除式模型通过变步长优化搜索方法得到不同焦距对应的镜头畸变系数和畸变中心坐标;研究了焦距变化对畸变的影响规律,校正了镜头畸变使其满足针孔成像模型;引入飞机位置、姿态和摄像机视轴指向方位等因素,将航空图像重投影到地图坐标系中,对坐标变换后的像素亮度值进行重采样得到校正斜视变形和镜头畸变后的正射投影图像。对不同焦距和位置姿态下拍摄的地面靶标畸变图像和实际航空变焦距斜视图像进行了校正。结果表明,该方法能够有效准确地校正图像的几何变形,当飞行高度为2 500m时,在文中给定的位置姿态精度下的图像几何校正均方误差约为2m,较好地满足了后续图像拼接需求。该方法效率高,便于自动化实现,对提高图像拼接精度和实现目标精确定位与实时稳定跟踪具有重要意义。     

基于多台北斗接收机的测姿精度对目标定位精度影响分析

飞机姿态测量是无人机系统目标定位的重要环节。该文拟采用多台北斗天线测姿,分析了北斗接收天线测姿精度对机载光电平台目标定位精度的影响。为此,本文建立机载光电平台目标定位系统模型,用蒙特卡洛法分析目标定位误差,并对飞机姿态测量误差在0.05°~1°范围内以及飞行高度在1 000~8 000 m时的垂直下视和斜视目标定位误差进行比较。实验结果表明,在姿态测量误差及飞行高度范围内,垂直下视目标定位高程误差在20 m左右,平面定位误差为23~65 m;斜视定位（-60°斜视,俯仰轴以水平向前为0°）大地高误差为20~30 m,平面定位误差为24~71 m。同时分析了天线摆放及基线长度对测姿精度的影响。目标定位误差主要与飞机姿态角测量误差、北斗系统误差、光电平台方位角和高低角测量误差有关,还与目标与飞机之间的斜距有关。飞行高度越大,光电平台高低角越小,斜距越大,则目标定位误差越大。基线越长,测姿精度越高,当基线垂直时,横滚角误差最小。     

无人机在大型起重设备金属结构检测上的应用

介绍了大型起重设备结构的损伤形式、检验需求和当前常规检验中存在的问题,论述了无人机平台在行业的应用及解决该类问题的可能性及其优势,对无人机检测系统研制和应用中需要解决的技术难点进行了分析,给出了无人机检测系统样机的技术指标和现场实测结果。     

基于无人机视觉的起重机表面裂纹检测方法

为解决起重机高空金属结构不可达部位裂纹的远程可视化检测难题,提出一种基于无人机视觉的结构表面裂纹检测与识别方法。通过搭载高分辨率可见光相机的倒置式无人机检测平台,全方位采集大型起重机复杂钢结构表面图像;采用Faster R-CNN深度神经网络算法分类检测是否有裂纹缺陷,并以缺陷最小外接矩形框标记其位置;对检测出的裂纹目标框区域,利用最大熵阈值分割、Canny边缘检测、投影特征提取和骨架提取等方法,对裂纹长度、宽度、面积、长宽比等参数进行识别,并为长宽比和面积设置一定阈值,去除漆膜开裂和水渍等伪裂纹缺陷。实验结果表明,Faster R-CNN裂纹检测算法准确率达到95.4%,速度达到2 f/s,同时裂纹宽度识别误差约为5.84%,实现了起重机结构表面疲劳裂纹的远程自动化检测。     

基于故障树的专家系统在起重机运行机构故障诊断中的应用

介绍了几种常见的故障诊断方法及其在起重机故障诊断中应用的可行性,重点分析了故障树分析法和专家系统诊断方法的基本原理和应用基础,讨论了起重机大车运行机构发生故障的具体原因,指出了在起重机运行机构故障诊断中采用基于故障树的专家系统方法的可能性,并结合该实例给出了具体的诊断推理机制。     

基于相机内外参数的机载光电平台图像几何校正

传统机载光电平台图像几何校正依赖于控制点,实时性较差,不利于实现自动校正。该文在缺少控制点的情况下,通过相机内、外参数对机载光电平台原始图像进行几何校正。建立了正确的几何数学模型,采用Matlab的Camara Calibration Toolbox工具箱对相机进行标定获得相机内参数,采用惯性导航系统提取相机外参数,依据提取的内、外参数对图像的几何畸变进行校正。利用获得的实验数据对由同一相机拍摄的图像进行校正验证,实验结果表明,畸变图像得到了很好的还原,各姿态角测量精度为0.05°时,图像校正均方差约为0.996 3像素。研究表明,此方法准确、快速、直观,可移植性及实用性强。     

面阵CCD航空相机斜视图像的几何校正

为增大机载光电侦察系统的视场角,航空相机多采用扫描方式对地摄影成像,文章针对面阵CCD航空相机斜视摄影引起的图像变形进行校正。由于该类相机与载机之间存在方位和俯仰两轴运动,文章同时考虑相机相对载机的旋转角度和载机相对地面的姿态角,建立了更符合该类相机工作状态的六姿态角投影校正模型,推导出同一地物在畸变图像和标准图像上的像素坐标变换关系,采用双线性插值算法对坐标变换后的像素灰度值进行重采样,对航空图像进行自动校正。最后,对某机场的航拍图像进行校正实验,并与基于地面控制点的多项式校正方法以及基于畸变图像和参考图像配准的校正方法进行比较。实验结果表明,六姿态角投影校正模型能够取得比较高的校正精度(可达像素级),当姿态角的测量精度为3′,图像大小为512pixel×512pixel时,图像校正的均方根误差为1.174 7pixel。该方法不需要提供参考图像和野外采集地面控制点数据,便于工程实现,基本满足航空图像处理的稳定可靠、精度高、实时性强等要求。     

一种用于图像拼接的改进BRISK算法

为了获得精准的航空拼接图像,本文提出了一种结合BRISK算法与互相关模块匹配算法的新算法。传统的BRISK算法在拼接平移方向上存在较大的误差。针对该问题,首先使用BRISK算法实现尺度和旋转的校正,再引入模块匹配方法完成平移校正,同时在BRISK算法中加入RANSANC算法实现精准拼接。实验结果表明,本文算法是一种运算时间短、精确度高、拼接效果良好的图像拼接方法。