最新刊期
2025年第33卷第16期
-
动态扫描激光视觉三维测量系统及标定方法 AI导读
“在三维重构领域，研究者设计了激光雷达与相机融合系统，通过垂直扫描获取空间三维数据，结合深度相机提升重构质量，有效提升了三维重构的精度和完整性。”摘要：单线激光雷达具有结构简单、成本低、功耗小等优点，但由于其只能进行平面扫描，无法独立完成三维重构。视觉传感器虽能提供丰富的图像信息，但在几何测量精度和抗干扰能力方面存在不足。针对单线激光雷达无法直接获取空间三维信息以及单一传感器重构精度低的问题，本文设计了一个激光雷达与相机融合的三维重构系统，该系统通过滚轴丝杠机构驱动单线激光雷达实现垂直方向的扫描，从而获取空间三维数据，并结合深度相机获取的颜色纹理信息，提升重构质量。首先明确了系统组成与扫描测量原理，并分析了整个三维重构流程。然后完成了激光雷达与相机之间的内参与外参标定，进而实现点云数据的配准与融合，有效提升了三维重构的精度和完整性。同时搭建模拟巷道实际实验系统，利用参数标定后的三维重构系统，计算逐帧激光雷达点云坐标，对11个靶物进行重构。实验结果表明其配准误差为6.8 mm，融合后的点云在500 mm测量范围内不超过5.5 mm。并利用系统对大型室内地面进行三维重构实验，在2 600 mm测量范围内重构误差不超过12 mm。关键词：激光雷达;深度相机;垂直运动;联合标定;三维重构0|0|0更新时间：2025-09-28 - “在双目视觉领域，研究人员提出了基于多尺度注意力机制的TransUNet网络，有效提升了连铸坯定位与测量的效率和精度。”摘要：针对传统双目视觉特征检测算法检测效率低以及大多网络模型对于全局重要特征的关注度不足、参数量过大等问题，提出一种基于多尺度注意力机制TransUNet网络的双目视觉的连铸坯定位与测量方法。首先使用标定后的平行双目相机采集连铸坯左右图像数据，构建数据集。接着，以TransUNet网络作为基础框架，引入改进的Transformer层实现全局上下文信息的提取；提出一种全局坐标分组注意力模块GSGA（Global Spatial Group Attention）添加在每个解码器末尾，利用分组和多尺度注意力机制提高对全局重要特征的关注度；在编码器和解码器跳跃连接及双线性插值后加入CBAM（Convolutional Block Attention Module）模块，结合空间和通道注意力机制提升关键点识别能力。最后，结合双目视觉原理对网络输出的关键点坐标实现三维坐标重建和测距。实验结果显示：相较于Transformer模型，均方根误差和归一化误差分别下降了40.96%和45.83%，参数量和浮点运算量分别减少了10.58%和8.21%，单批次推理时间缩短了30.52%。在三维测距上，测量相对误差达到0.137%，显著优于传统特征检测算法，满足双目视觉定位与测量要求。关键词：双目视觉;TransUnet;关键点检测;注意力机制2|0|0更新时间：2025-09-28
- “航空相机检焦镜面型变化问题研究取得进展，建立了理论模型并验证，为提高成像质量提供指导。”摘要：针对航空相机自准直检焦过程中出现的检焦镜面型变化导致检焦失败问题，建立检焦镜面型与检焦曲线变化的理论模型，并进行仿真分析和实验验证。首先，通过建立传感器接收到的光强差与检焦曲线的关系，计算不同检焦镜面型精度对成像光强分布影响，并分析不同像差对检焦曲线造成的影响，然后，结合实际相机模型利用Zemax软件非序列模式进行仿真，最后，通过改变温度控制检焦镜面型，在不同面型下进行检焦实验，验证了理论与仿真结果。实验结果表明：检焦镜面型精度在面型RMS达到0.048 3λ时，检焦曲线峰值位置超出半焦深；当面型RMS达到0.082 1λ时，检焦曲线出现多峰。本文建立的理论模型及实验方法对光电自准直检焦镜的面型误差分配、设计与面型控制、提高航空相机成像质量有指导意义。关键词：航空相机;自准直;检焦;曲线拟合;面型误差2|0|0更新时间：2025-09-28
- “在化工产品生产领域，专家建立了计数率与高压纹波的数学模型，采用自适应卡尔曼滤波算法抑制纹波，提高了密度检测精度。”摘要：在化工产品生产过程，利用放射源射线穿透管道测量溶液密度时，光电倍增管输出计数率易受高压纹波噪声的影响，发生明显衰减，导致密度测量精度下降。为降低纹波噪声对计数率的影响，需要补偿因纹波而衰减的计数率。首先，根据在不同高压纹波条件下所收集得到的计数率实验数据，建立了计数率与高压纹波之间的数学模型。然后，通过分析数学模型得知，降低高压纹波幅值和频率能够减少高压纹波对计数率的影响。最后，采用自适应卡尔曼滤波算法对高压纹波进行抑制，通过调整过程噪声和测量噪声因子，实现对计数率的自适应补偿。实验采用40%的酒精溶液进行测试，对补偿前后的计数率及溶液密度测量结果进行对比分析。实验结果表明，相比较补偿前，补偿后所测得的脉冲计数损失率降低至3.54%~5.46%，溶液密度与真实值之间最大偏差为0.019 g/cm3，密度检测精度提高了1.51%。关键词：光电倍增管;纹波噪声;计数率;卡尔曼滤波;自适应补偿2|0|0更新时间：2025-09-28
-
多线激光雷达旋转平台外参标定方法研究 AI导读
“在三维场景扫描领域，专家提出了基于平面特征的多线激光雷达旋转平台外参标定方法，通过改进粒子群算法优化求解，验证了方法的准确性与有效性。”摘要：为实现对三维场景的全方位点云数据扫描，本文设计一种多线激光雷达旋转式扫描系统。该系统扫描的三维点云质量高度依赖于激光雷达与旋转平台之间的位姿转换关系。然而，现有标定方法大多局限于单线雷达的应用场景，并存在标定模型单一、参数耦合严重等问题。为此，本文提出一种新的基于平面特征的多线激光雷达旋转平台外参标定方法。首先，结合随机采样一致性算法，构建多线激光雷达与旋转平台外参校正的数学模型。其次，通过引入线性递减惯性权重系数替代标准粒子群优化算法中的固定惯性权重改进传统粒子群算法，并采用改进算法对所构建的数学模型优化求解。最后，通过仿真与实际场景中的点云厚度分析及重建效果评估，验证所提方法的准确性与有效性。实验结果表明：相比于校准前点云厚度为7.668 1 cm，校准后点云厚度降至4.039 0 cm，这说明经过所提方法标定后重建的点云分布更加均匀。结合使用标定前、后重建场景的点云分布对比，进一步证明所提方法的有效性和可靠性。关键词：多线激光雷达;雷达标定;外参标定;三维重建;点云1|0|0更新时间：2025-09-28
现代应用光学
-
顾及多尺度深度误差的3D手眼标定方法 AI导读
“在机器人领域，研究者提出了一种高精度手眼标定方法，有效降低深度误差对标定精度的影响，提高适用性。”摘要：点云传感器通常带有深度误差，现有手眼标定方法较少顾及这一因素，导致手眼矩阵在不同尺度下存在适用性问题。提出一种基于交替最小二乘优化的高精度手眼标定方法。首先，通过拟合标定板平面与体素均匀降采样，对近、中、远三种尺度的点云数据进行预处理，统一不同尺度下标定板点云的密度；其次，使用GICP（Generalized-ICP）算法得到点云的配准矩阵，并求解各尺度手眼矩阵的初值，交替固定一个尺度的手眼矩阵，构建旋转平移误差的最小二乘问题优化其余尺度配准参数；最后，基于优化后的各尺度配准矩阵重新进行Tsai-Lenz方法标定，得到补偿深度误差的手眼矩阵。对比实验结果表明：本文方法旋转矩阵的平均误差为0.144 8°，平移向量的平均误差为0.633 5 mm，应用手眼矩阵的点云配准均方根误差为0.276 9 mm。相较标定球方法近焦距离的点云配准误差平均降低19%，远焦距离的点云配准误差平均降低16%。本文方法可有效降低深度误差对标定精度的影响，提高适用性。关键词：深度误差;手眼标定;结构光;点云配准2|0|0更新时间：2025-09-28 -
随钻测量加速度计误差在线补偿方法 AI导读
“在随钻测量领域，专家提出了基于磁惯性蜜獾算法的加速度计在线补偿方法，有效提升了井斜角测量精度，误差绝对值保持在1.43°以内。”摘要：针对随钻测量中加速度计测量精度不足的问题，提出了一种基于磁惯性蜜獾算法（Magnetic-Inertial Honey Badger Algorithm， MIHBA）的随钻加速度计在线补偿方法。首先，分析随钻加速度计特性建立误差补偿模型，将误差参数组合为解向量。其次，基于重力加速度方向与模值恒定这一事实基础，设计随钻加速度计误差的目标函数；根据随钻陀螺仪、加速度计和磁强计的输出关系，建立误差约束条件。在蜜獾优化算法（Honey Badger Algorithm， HBA）的基础上提出MIHBA，首先，根据加速度计历史数据与处理结果，反推本次处理后结果分布作为初始值；根据MEMS传感器中陀螺仪、磁强计与加速度计的递推关系，在算法的探索阶段引入信赖域变异策略，增加算法的种群多样性；然后，在算法的开发阶段，对适应度较差的个体采用非线性单纯形法的反射操作，提高收敛精度。设计振动台和实际钻进实验，结果显示MIHBA补偿后井斜角误差的精度提升了大约64.8%，误差绝对值保持在1.43°以内。算法能有效去除加速度计信号中的噪声。关键词：随钻测量;加速度计;蜜獾优化算法;误差补偿4|0|0更新时间：2025-09-28 - “在远心成像系统高精度标定领域，专家提出了结合亚像素边缘检测与光照误差补偿的相机标定方法，有效提升了测量精度。”摘要：针对远心成像系统的高精度标定需求及传统针孔模型失效的问题，本文提出一种结合亚像素边缘检测与光照误差补偿的高精度相机标定方法。首先，利用改进高斯积分曲线拟合算法提取标定板圆形靶标亚像素边缘，结合加权迭代最小二乘算法精准确定圆心坐标。其次，基于远心成像模型并结合旋转矩阵正交性推导系统放大率方程，求解外参及其正负符号模糊，并给出消解策略。随后，分别构建径向、切向及复合畸变模型，系统研究其在远心透镜畸变表征中的适用性，并通过Levenberg-Marquardt非线性优化精确估计畸变参数。在此基础上，结合光照误差补偿模型动态更新校正参数，融入标定流程以消除边缘偏移误差。实验结果表明，上述标定方法最佳重投影误差可达0.059 pixels，对坐标测量机标准测针球直径在光照强度15~28级的范围内测量，经过补偿后误差始终控制在1.6 μm 以内，验证了标定方法的有效性。关键词：远心镜头标定;亚像素边缘检测;加权迭代圆心拟合;光强误差补偿2|0|0更新时间：2025-09-28
-
机械臂辅助的微小光电传感组件精密装配方法 AI导读
“在精密装配领域，研究者研制了机械臂辅助系统，开发了小型化吸附装置，提出了视觉检测方法，显著提高了装配精度和效率，降低了成本。”摘要：微小光电组件是一些高性能传感器件的核心部件，其装配精度对传感性能影响显著。为了克服当前装配系统构型复杂、成本高、扩展性差等缺点，本文开展微小光电组件精密装配方法研究，主要工作包括：研制了机械臂辅助的精密装配系统，并开发了小型化并联吸附装置；建立“状态冻结”与“标记点启发”相结合的视觉检测方法，按需推理世界坐标系与视觉坐标系关系，兼顾作业效率和精度；利用上述装置与方法，开展了典型光电组件的精密装配应用实验，实验结果表明：应用本文提出的机械臂辅助的装配方法，就可以将系统装配精度提高至10 μm水平，突破了机械臂本身重复定位精度的限制，能够兼顾效率和精度，并且显著降低了设备的复杂度和成本，可以广泛应用于各类精密作业。关键词：精密装配;机械臂;视觉测量;微夹持器2|0|0更新时间：2025-09-28
微纳技术与精密机械
-
多视角下多特征融合的三维局部特征描述符 AI导读
“在三维点云配准领域，研究者提出了高鉴别强鲁棒的多视图几何分布特征描述符MGDS，为准确配准提供解决方案。”摘要：针对目前已有的手工设计描述符对局部曲面几何特征描述不够全面的问题，本文提出了一种高鉴别强鲁棒的多视图几何分布特征描述符（Multi-View Geometric Distribution Signatures，MGDS）。首先，基于关键点及其邻域点构建局部参考框架（Local Reference Frame，LRF），对局部曲面进行体素化，计算三维体素的质心点分布、二维扇区轮廓特征、二维网格点密度分布以及局面曲面深度波动，生成几何特征描述符。接着，基于LRF多次旋转局部曲面，产生新的形状表示，利用质心、轮廓点、密度以及z值波动信息对旋转后的曲面进行编码。通过多个视角获取这些几何特征描述符，将它们串联成一个特征向量，得到最终的多视图几何分布特征描述符MGDS。本文在RandomView，SpaceTime，Kinect以及B3R四个数据集中不同的高斯噪声以及网格分辨率下进行实验，并与目前已有的10种描述符进行比较。与其他描述符相比，MGDS描述符的性能优于已有的局部特征描述符。实验结果表明，本文所提出的MGDS具有较好的描述性与鲁棒性，可用于三维点云的准确配准。关键词：点云;局部特征描述符;多视角特征;多特征融合;特征匹配2|0|0更新时间：2025-09-28 -
几何特征保持的层次化点云去噪 AI导读
“在点云数据处理领域，专家提出了一种几何特征保持的层次化点云去噪算法，有效提高了去噪精度。”摘要：随着三维激光扫描技术的快速发展，点云数据在自动驾驶、三维建模、医学研究、逆向工程、乡村振兴等领域得到了广泛的应用。但是由于受到仪器性能、周围环境以及被扫描目标本身特性的影响，扫描获取的点云数据往往包含大量噪声，严重影响后续点云处理的准确度，因此有必要对其进行去噪处理。针对传统滤波算法对参敏感性不强、计算复杂度高、几何特征保持性差等问题，提出一种几何特征保持的层次化点云去噪算法。首先，该算法在半径滤波算法中引入点云密度特征以改进初始参数选取，实现大尺度噪声去除；然后，利用KD树（K-Dimensional Tree）优化基于密度的噪声应用空间聚类（Density-Based Spatial Clustering of Applications with Noise， DBSCAN）算法，并结合角点特征对DBSCAN算法的参数实现自适应选取，从而将点云数据分为有效簇、模糊簇和噪声簇，去除噪声簇；最后，利用距离共识评估算法对模糊簇进行判定，通过计算模糊点与点云拟合曲面之间的距离来判断是否为噪声点，以完成对点云小尺度噪声的去除。实验采用公共点云数据集和实地采集的乡村点云数据验证所提算法，结果表明，与DBSCAN算法、改进森林去噪法、几何特征保持去噪法、改进密度聚类去噪法和多特征网格去噪法相比，所提算法的尖锐几何特征保持性更佳，去噪精度分别提高了约43%，27%，29%，21%和9%。该算法可以在有效保持几何特征的同时提高去噪精度，是一种有效的点云去噪算法。关键词：点云去噪;半径滤波;距离共识评估;密度;角点2|0|0更新时间：2025-09-28 -
利用伪图像生成的精准侧扫描声呐图像分类 AI导读
“在侧扫描声呐图像分类领域，专家提出了一种高质量伪图像生成方法，有效提升了分类任务的准确率，为水下环境识别研究开辟了新方向。”摘要：针对现有侧扫描声呐图像分类网络因高质量侧扫描声呐训练样本严重不足，导致对独立于训练样本以外的特定目标分类任务效果不佳的问题。本文提出一种基于特征削弱和图像块的高质量伪侧扫描声呐图像生成方法。首先，构建针对光学内容图像颜色、纹理等与声学图像非关联信息的特征削弱模块，通过淡化光学内容图像特定领域的特征，实现伪图像目标特征与声学图像特征更加相似的目的；其次，提出一种基于图像块的风格迁移伪图像生成方法，实现光学内容特征与声学风格特征的有效融合，生成兼具光学内容特征的原始伪侧扫描声呐图像；最终，引入快速引导滤波模块，对原始伪侧扫描声呐图像做增强引导，生成更接近真实水声成像环境的高质量伪侧扫描声呐图像。然后，利用大量生成的高质量伪图像扩充分类网络的训练样本，提升对真实水下环境中侧扫描声呐图像分类任务的准确率。对比实验结果表明，本文方法各项风格化评价指标平均值均表现最优，相较次优方法，风格损失、LPIPS、内容损失、SSIM四项指标的平均值分别获得了31.60%，3.52%，15.18%，17.55%的性能增益。在灰度KLSG数据集上，分类任务的全局精度和平均精度分别达到86.35%和78.54%。关键词：侧扫描声呐图像;特征削弱;风格迁移;图像生成;零样本图像分类2|0|0更新时间：2025-09-28 - “在黑色素瘤图像分类领域，研究人员提出了一种改进的Vision Transformer模型，通过动态特征筛选和对比学习，显著提升了分类精度和诊断效率。”摘要：针对Vision Transformer（ViT）在黑色素瘤图像分类中存在的特征冗余和泛化能力不足问题，提出一种融合动态特征筛选与对比学习的改进模型，以提升分类精度与临床诊断效率。首先，设计动态特征筛选模块，通过可学习的权重矩阵自适应强化关键特征并抑制冗余信息；其次，引入InfoNCE对比损失函数，联合交叉熵损失构建多目标优化框架，增强类间特征区分度；最后，在多头自注意力机制中嵌入关键特征引导机制，实现局部细节与全局语义的协同建模。在ISIC2018和ISIC2019数据集上的实验结果表明：改进模型分类准确率分别达到83.27%和80.17%，较基线ViT模型提升1.83%和0.49%；消融实验验证动态筛选模块减少18.7%冗余计算量，对比学习使类内特征相似度提升23.6%。所提方法显著提高了ViT模型对黑色素瘤的识别能力，分类精度与鲁棒性优于主流模型，为皮肤癌早期诊断提供了高精度、低冗余的自动化解决方案，具有一定的临床实用价值。关键词：图像分类;特征筛选;InfoNCE损失函数;ViT模型2|0|0更新时间：2025-09-28
信息科学
- 地址：长春市东南湖大路3888号 邮编：130033
- 联系电话：0431-86176855 Email：gxjmgc@ciomp.ac.cn
- 本系统由Light学术出版中心、北京北大方正电子有限公司共建 吉ICP备11002662号-17
京公网安备11010802024621 - 本系统建议在Chrome、 IE9+ 以上版本浏览器阅读本站内容，360浏览器请切换至极速模式
- Cookies帮助我们提供服务并提供个性化体验。使用本网站，即表示您同意我们使用Cookies
0