论文部分内容阅读
火炮在陆地战中占据着主导地位,因此世界各国都十分注重火炮的基础研究。火炮发射过程中,炮弹、火药燃气等会对身管产生物理或化学损伤,身管内膛会出现种种损伤,包括裂缝、腐蚀等,严重影响火炮发射的精度、身管寿命以及射击的安全性等,因此如何对火炮身管损伤进行快速检测成为亟待解决的问题。现有的检测设备存在着图像形变大、无缝拼接难、难以同时获取身管内膛形貌数据等问题,针对上述问题,本文设计并实现了火炮身管损伤检测系统,采用基于主动式全景视觉传感器的火炮身管损伤检测设备,采集身管内膛中的全景图像用于检测身管内膛的“貌”,采集激光扫描全景图像用于检测身管内膛的“形”,并将信息融合实现对损伤的定性定量分析,实现火炮身管的“采集-识别-判定-重构”全过程的自动检测。本文研究内容如下:1.火炮身管损伤检测设备的研究。本文设计实现了火炮身管损伤检测设备,硬件部分主要包括主动式全景视觉传感器(active stereo omni-directional vision sensor,ASODVS)、无线通信单元、对心爬行机构和LED照明光源等。检测流程如下:工作人员平稳推动伸缩杆并带动对心爬行机构向前爬行,固接在对心爬行机构上的ASODVS实时获取身管内壁的全景图像,无线传输单元将图像传输至电脑端,通过配套软件对损伤进行检测识别。2.基于卷积神经网络(Convolutional Neural Network,CNN)的身管损伤识别方法的研究。火炮身管内阴阳膛线密布,环境较为复杂,火炮损伤具有较大的类内差异、较小的类间差异,因此本文主要通过下述流程提取火炮身管损伤区域并对其进行识别:首先对全景图像预处理,消除影响损伤区域提取的干扰因素,预处理主要包括:展开全景图像、分割阴阳膛线区域、调整光照强度、消除膛线干扰等;然后,通过连通域法提取经最优阈值法处理的二值图像中的损伤区域;最后,根据已有的损伤数据,训练卷积神经网络模型,采用训练后的模型实现损伤的分类识别。3.基于主动式全景视觉传感器的火炮身管损伤“形”的检测方法的研究。火炮身管内膛损伤类别繁多,某些损伤仅通过“貌”无法识别,需要融合“形”的信息,因此本文采取下述方法对身管内损伤进行定量分析,主要包括深度、面积、形变等:首先对激光扫描全景图像进行激光中心点的提取,并对其进行平滑处理;然后根据标定结果计算得到身管内壁上的激光投影点的空间坐标;最后对激光点云数据处理得到损伤信息,并3D重构身管真实形态,给予检测人员直观的感受。