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 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 研究背景及研究目的和意义 | 第9-11页 |
| 1.2 国内外发展及研究现状 | 第11-13页 |
| 1.2.1 相机标定国内外研究现状 | 第11-12页 |
| 1.2.2 叶片振动测量技术国内外研究现状 | 第12-13页 |
| 1.3 本文的主要研究内容 | 第13-15页 |
| 第2章 双目视觉标定理论基础 | 第15-31页 |
| 2.1 引言 | 第15页 |
| 2.2 双目相机成像原理及模型 | 第15-24页 |
| 2.2.1 几种坐标变换 | 第16-19页 |
| 2.2.2 单目相机成像原理及模型 | 第19-22页 |
| 2.2.3 双目相机成像模型 | 第22-24页 |
| 2.3 相机标定理论基础 | 第24-29页 |
| 2.3.1 直接线性标定方法(DLT)理论 | 第24-25页 |
| 2.3.2 R.Tsai两步标定方法理论 | 第25-27页 |
| 2.3.3 张正友标定方法理论 | 第27-29页 |
| 2.4 角点识别定位理论基础 | 第29-31页 |
| 第3章 基于神经网络的虚拟靶标双目标定技术 | 第31-45页 |
| 3.1 引言 | 第31页 |
| 3.2 人工神经网络映射原理 | 第31-35页 |
| 3.2.1 神经网络原理及应用 | 第31-34页 |
| 3.2.2 BP神经网络原理 | 第34-35页 |
| 3.3 神经网络标定实验 | 第35-40页 |
| 3.3.1 实验对象及设备 | 第35-36页 |
| 3.3.2 虚拟立体靶标的构造 | 第36-38页 |
| 3.3.3 神经网络的构造及其训练 | 第38-40页 |
| 3.4 标定结果及误差分析 | 第40-45页 |
| 3.4.1 本文标定结果误差分析 | 第40-42页 |
| 3.4.2 与MATLAB标定工具箱对比分析 | 第42-45页 |
| 第4章 双目标定中角点定位精度改进方法研究 | 第45-51页 |
| 4.1 引言 | 第45-46页 |
| 4.2 SV角点识别算法原理 | 第46-48页 |
| 4.3 改进SV算子亚像素级定位方法研究 | 第48-49页 |
| 4.4 亚像素级定位精度的标定实验验证 | 第49-51页 |
| 第5章 标定方法在叶片振动测量中的应用实验 | 第51-71页 |
| 5.1 引言 | 第51页 |
| 5.2 实验对象及设备 | 第51-53页 |
| 5.3 叶片振动模态的双目测试实验 | 第53-59页 |
| 5.3.1 测试实验及数据处理 | 第53-55页 |
| 5.3.2 参数提取 | 第55-59页 |
| 5.4 叶片双目视觉测量精度验证 | 第59-70页 |
| 5.4.1 叶片模态的有限元分析法 | 第59-62页 |
| 5.4.2 叶片模态的力锤锤击法实验 | 第62-70页 |
| 5.5 实验结果分析 | 第70-71页 |
| 第6章 总结与展望 | 第71-73页 |
| 参考文献 | 第73-75页 |
| 附录A 攻读学位期间发表的论文与科研成果清单 | 第75-76页 |
| 致谢 | 第76页 |
