CN119437068A 一种风电叶片动态呼吸变形测量方法 （山东理工大学）

交会算法解算出每个靶标中心点在工业相机坐2S6、根据同一个靶标中心点在立体图像中的像素S7、构建叶片呼吸测量坐标系，将工业相机坐标3设定作为参考图像的模板，进行训练，在训练期间变换尺度，并围4在匹配过程，利用模板匹配函数计算模板与图像块之间的相计算工业相机观测到所有靶标的重心坐标，确定叶片根据工业相机相对旋转矩阵R,和立体相机相对平移向量，求得工业相机基线向量5构成叶片呼吸测量坐标系的一组基向量，计算工业相机坐标系基向量式中，表示叶片呼吸测量坐标系中第一个基向量在工业相机坐标系中第一个基向过渡矩阵的逆矩阵乘以工业相机坐标系下的靶标坐标得到叶片呼吸测量坐标系下靶67像数据中的像素坐标来确定的，物方坐标则是将棋盘网格的固定边长作为实际参考坐标，p是像控点的像点坐标，即像控点在工业相机采集的图像中的位置；p为像控点的物方坐标，即像控点在物方空间坐标系中的R和T是物方空间坐标系到相机坐标系的旋转矩阵和平移向量；o()是坐标变换的r-(》r-(》8模板图像中的点映射到图像块中的点；scale表示一个尺度因子，用于调整模板的大小；angle表示旋转角度，用于确定模板相对于图像块的旋转程度；img.cols、img.rows分别tly分别代表模板图像中心在X轴、Y轴方向上的平移量；match.x、match.y分别表示模板[0012]作为本发明的优选方案，所述的S5中，精化角点函数具体为，使用opencv的goodFeaturesToTrack函数在小窗口内寻找特征最强的1个角点，然后使用opencv的cornerSubPix函数对goodFeaturesToTrack函数找到计算工业相机观测到所有靶标的重心坐标，确定叶片呼吸测量坐标系坐标原点，X,X,Z,为通过前方交会算法解算出的重心坐标；9构成叶片呼吸测量坐标系的一组基向量，计算工业相机坐标系基向量式中，a1表示叶片呼吸测量坐标系中第一个基向量在工业相机坐标系中第一个过渡矩阵的逆矩阵乘以工业相机坐标系下的靶标坐标得到叶片呼吸测量坐标系在存储器上并可在处理器上运行的计算机程序，通过处理器执行软件实现上述的算法计本发明能够实现叶片疲劳测试下对叶片变形程度的监测，且对每个靶标都可从3[0026]S3中，工业相机4标定的过程为：像方坐标是通过影像数据中的像素坐标来确定R和T是物方空间坐标系到相机坐标系的旋转矩阵和平移向量；o()是坐标变换的模板图像中的点映射到图像块中的点；scale表示一个尺度因子，用于调整模板的大小；angle表示旋转角度，用于确定模板相对于图像块的旋转程度；img.cols、img.rows分别tly分别代表模板图像中心在X轴、Y轴方向上的平移量；match.x、match.y分别表示模板[0030]其中，goodFeaturesToTrack函数通过计算图像亮度变化的一阶导数信息来检测s-pj方向垂直，因计算工业相机4观测到所有靶标6的重心坐标，确定叶片呼吸测量坐标系坐标原式中，X,x,z,为第i个靶标6在工业相机4坐标系下的坐标；n为靶标6数量；X,X,Z,为通过前方交会算法解算出的重心坐标；过渡矩阵的逆矩阵乘以