申请/专利权人:西北工业大学
申请日:2023-12-27
公开(公告)日:2024-04-16
公开(公告)号:CN117893483A
主分类号:G06T7/00
分类号:G06T7/00;G06T7/41;G01B11/24
优先权:
专利状态码:在审-公开
法律状态:2024.04.16#公开
摘要:本发明公开了一种基于卡尔曼滤波和偏振图像裁剪堆叠的表面形貌检测方法,首先建立目标表面偏振特性与表面法向量、偏振相角之间的关系;其次获取四个不同标准粗糙度模块的法向量、偏振相角的离散程度,建立最小二乘拟合模型,拟合出粗糙度对比样块表面的法向量离散程度‑粗糙度值函数模型、偏振相角离散程度‑粗糙度值函数模型;然后选择待测粗糙度对比样块中的区域,计算融合系数并得到粗糙度最优估计模型;最后选择待测粗糙度对比样块中的区域,利用卡尔曼滤波方法计算出粗糙度的最优估计结果。本发明具有非接触、测量速度快、系统小型化和受环境因素影响较低的优势,可以获取准确且数量丰富的特征描述符,使得测量结果的稳定性更强。
主权项:1.一种基于卡尔曼滤波和偏振图像裁剪堆叠的表面形貌检测方法,其特征在于,包括如下步骤:步骤1:获取粗糙度对比样块表面四个角度的偏振图像;步骤2:通过求解斯托克斯矢量计算出粗糙度对比样块表面的偏振参数,建立目标表面偏振特性与表面法向量、表面偏振相角之间的关系;步骤3:从粗糙度对比样块中选择一个样块并提取出区域A作为待测区域,计算该区域中所有法向量、偏振相角的平均值,计算A中所有法向量与法向量平均值的离散程度并取均值,计算A中所有偏振相角与偏振相角平均值的离散程度并取均值,依次获取四个不同标准粗糙度模块的法向量、偏振相角的离散程度度量值;步骤4:建立最小二乘拟合模型,拟合出粗糙度对比样块表面的法向量离散程度-粗糙度值函数模型、偏振相角离散程度-粗糙度值函数模型;步骤5:选择待测粗糙度对比样块中的区域B,计算B中法向量离散程度、偏振相角离散程度并分别带入对应的拟合模型得到粗糙度值RaAoP,多次进行分别得到两种计算结果的标准差σAoP,计算融合系数并得到粗糙度的最优估计模型;步骤6:利用粗糙度最优估计模型计算待测区域C的整体粗糙度值,将区域C裁剪成独立且等面积的n*n个小方块,并利用估计模型依次计算每个小方块区域的粗糙度值Rai,i=1,2,...,n*n;步骤7:将区域C的粗糙度值作为估计值输入,将所有小方块的粗糙度值堆叠为堆栈后作为测量值输入,利用卡尔曼滤波方法计算出粗糙度的最优估计结果。
全文数据:
权利要求:
百度查询: 西北工业大学 基于卡尔曼滤波和偏振图像裁剪堆叠的表面形貌检测方法
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。