申请/专利权人：重庆大学

申请日：2024-02-27

公开（公告）日：2024-04-12

公开（公告）号：CN117876474A

主分类号：G06T7/70

分类号：G06T7/70;G06T7/80;G06N3/0464;G06N3/0455;G06T17/00

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.30#实质审查的生效;2024.04.12#公开

摘要：本发明涉及基于深度学习的高动态范围齿轮损伤三维测量方法，属于齿轮损伤诊断领域。该方法包括：1对投影仪和相机进行标定，并将编码好的条纹图像通过投影仪投至齿轮表面；2通过相机采集投影仪投出的被齿轮调制后的高动态范围条纹图像；3将高动态范围齿轮条纹图输入所提深度神经网络HDR‑Net中，消除高反射区域，恢复缺失的条纹信息；4利用所提网络输出的条纹图像，通过现有FPP技术求解三维齿轮损伤坐标，完成高精度快速地对齿轮损伤进行三维重建与测量。本发明实现了齿轮损伤的快速、高精度检测，为齿轮的维护和管理提供了重要支持，提高了齿轮运行的可靠性和安全性。

主权项：1.基于深度学习的高动态范围齿轮损伤三维测量方法，其特征在于：该方法包括包括以下步骤：S1：系统标定：调试投影仪、相机和被测齿轮的相对位置，对完成调试的投影仪和相机进行标定；S2：高动态范围条纹图像采集：生成编码条纹图Inx,y并加载到投影仪中，并通过投影仪投影至具有反光材质的齿轮表面，相机采集具有高反射率物体表面的条纹图像得到高动态范围的齿轮条纹图像；S3：构建并训练HDR-Net深度神经网络，所述构建的HDR-Net深度神经网络包括：编码模块、反射先验引导模块和解码模块；将采集到具有高反射率物体表面的条纹图像和预测的先验知识作为HDR-Net的输入，条纹图像Inx,y作为HDR-Net的训练标签，对HDR-Net进行训练，得到训练好的HDR-Net；S4：输出正常条纹图像：将任意具有高反射率物体表面的条纹图像输入训练好的HDR-Net中，消除高反射区域，恢复缺失的条纹信息，输出正常条纹图像；S5：重建与测量：将所述S4中输出的正常条纹图像，通过现有FPP技术求解三维齿损伤坐标，利用计算出的三维坐标点，重建齿轮损伤部分的三维模型，基于三维模型，进行高精度的测量分析，并输出三维重建结果和测量数据。

全文数据：

权利要求：

百度查询： 重庆大学 基于深度学习的高动态范围齿轮损伤三维测量方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD