机器视觉技术具有连续性、非接触、维度高等优点,广泛应用于动态测量、在线监控等方面,逐渐成为机械工程测试技术的研究热点。其中,在动态测量过程中,实时获取丰富、准确的测量数据的同时降低测量成本和测量复杂性对于提高测量的效率和便捷性具有重要的意义。以往基于机器视觉技术的测量系统主要包括CCD测量系统、激光测量系统等。这些视觉系统可获取精确的测量数据,但是激光测量系统成本高,操作复杂。CCD测量系统又易受光照条件的影响,且数据测量依赖于标记点,因此测量位置数量有限。微软推出的Kinect传感器中包含一个基于红外散斑测距技术的深度摄像机,具有获取全域(Full-field)三维信息、不受光照影响、成本低等优势。本论文将其应用到机械振动测量中,研究深度摄像机在振动信息采集上的精度和效率。论文主要内容包括:(1)介绍深度摄像机的投影原理,用外置红外灯代替Kinect传感器自带的红外发射器提供光源,结合棋盘标定算法建立一个类似普通CCD相机标定系统,获取深度摄像机内参数。(2)简介全域四维振动信息采集原理。在深度摄像机采集振动物体表面三维信息过程中,实时融合时间信息,构成全域四维振动信息:[X Y Z t]T,并根据实际需要提取任意感兴趣的单点、多点、截面或者局部表面的振动信息。(3)针对深度摄像机精度较差的问题,提出基于点的横、纵向关系的组合滤波方法,即首先基于移动最小二乘(Moving Least Squares,MLS)算法,调整点与K邻域点间的相对关系(横向关系),再利用快速傅利叶变换处理该点的时域与频域信号(纵向关系)。通过对比处理前后数据的幅频特性,证明该方法可提高测量数据的精度。(4)通过实验,将其与传统接触式测量和双目视觉测量结果进行对比,分析三种测量方法的测量数据的幅频特性、测量效率、测量稳定性,进一步阐述当前深度摄像机在振动测量中的优势。(5)最后对深度摄像机测振方法在工件探伤中的应用进行了理论分析。在损伤位置未知的情况下,可利用深度摄像机测量物体所有位置的固有频率,再根据多损伤置信判据快速定位损伤位置,并评估损伤程度。