文献类型：期刊文章

作　　者：王青青[1] 陈平[1]

Wang Qingqing;Chen Ping(Shanri Key Laborutory of In formation Detection cand Prcessing,College of Information and Commumicaution Engineering,North University of China,Taiyuan,Shanxi 030051,China)

机构地区：[1]中北大学信息与通信工程学院信息探测与处理山西省重点实验室,山西太原030051

出　　处：《激光与光电子学进展》

基　　金：国家自然科学基金面上项目(61571404);国家自然科学基金青年科学基金(61601412);山西省自然科学基金青年科学基金(201801D221207)。

年　　份：2020

卷　　号：57

期　　号：10

起止页码：38-45

语　　种：中文

收录情况：BDHX、BDHX2017、CSCD、CSCD2019_2020、IC、JST、RCCSE、SCOPUS、WOS、ZGKJHX、核心刊

摘　　要：针对筒状类工件内壁缺陷和形貌特征的检测需求,提出了基于深度学习与机器视觉相结合的筒状类工件内壁全景成像方法。该方法基于变焦距成像,获取筒状类工件内壁多聚焦图像序列,利用基于卷积神经网络的多聚焦图像融合算法,融合不同景深的内壁图像序列,获取全聚焦的内壁全景视图。根据视觉成像的透视变换原理,采用逆映射全景图像,改进了内壁形貌重构方法,获取柱面坐标系下的筒状类工件内壁形貌图像。实验结果表明,提出的形貌重构方法能够有效实现内壁质量的检测,且成像质量较高。

关 键 词：图像处理  筒状类工件  全景视觉 卷积神经网络  多聚焦图像融合 全景图展开  

分 类 号：TP391.4]