摘要
本发明涉及一种精密结构件机器视觉动态缺陷检测方法及装置。该方法:对样本精密结构件进行扫描,得到原始图像序列;将原始图像序列输入GPU进行并行处理,得到预处理图像序列和目标特征点集;进行图像匹配,得到相机位姿变换矩阵;对预处理图像序列进行动态校正,得到高精度三维点云数据;将高精度三维点云数据输入含几何感知模块的改进U‑Net深度学习网络训练和迁移学习,得到曲面自适应缺陷检测模型;基于曲面自适应缺陷检测模型,对待测精密结构件实时扫描的目标三维点云数据进行全矩阵采样分析和几何模型补偿,得到目标缺陷检测结果。本发明的实施提高了精密结构件缺陷识别的准确性和鲁棒性。
技术关键词
精密结构件
三维点云数据
动态缺陷
深度学习网络
结构光立体视觉
RANSAC算法
序列
相机
运动轨迹数据
错误匹配点
动态校正
多尺度特征
旋转运动参数
精密旋转平台
编码光栅
图像金字塔
特征点
图像块
并行处理单元
系统为您推荐了相关专利信息
虚拟现实图像
沉浸式体验
构建系统
虚拟现实终端
掩膜
预警方法
干滩长度
数字高程模型
随机森林
指数特征
深度学习网络模型
图像重建方法
超分辨率
图像获取单元
图像重建系统
自动分割方法
编码模块
预训练模型
深度学习训练
卷积深度神经网络
三维温度重构
海洋
三维温度场
数据获取子模块
深度学习网络