VICKER葉片泵 3525V-38A14-86CD-22R 美國威格士,VICKERS油泵的主要零件有:凸輪軸,滾輪體,柱塞和柱塞套,柱塞彈簧,轉(zhuǎn)動套與齒圈,出油閥與閥座以及壓緊管接等。柱塞套與柱塞是噴油泵中一對主要精密偶件,它們經(jīng)過仔細(xì)的加工,互相研配,其直徑間隙只有0.001-0.003mm,這對零件只能成對更換,不得單獨(dú)調(diào)換。柱塞套上有兩個孔,使柱塞套內(nèi)腔與油道相通,右邊油孔處有縱向槽,其中伸入螺釘,使柱塞套固定在泵體內(nèi)不得轉(zhuǎn)動。柱塞的上部有一環(huán)形槽,它以縱向槽與柱塞上端面相通。螺旋斜邊從縱向槽開始,用以調(diào)節(jié)供油量。柱塞下部有兩個凸肩和凸緣。柱塞凸肩插在轉(zhuǎn)動套的切口內(nèi)。轉(zhuǎn)動套則自由地安裝在柱塞套上。開口的齒圈又用螺釘緊固在轉(zhuǎn)動套上,并與由齒桿相嚙合。齒桿裝在泵體的縱向孔內(nèi),并與調(diào)速器操縱桿相連。齒桿在操縱桿和調(diào)速器的作用下作軸向移動時,各油泵上的轉(zhuǎn)動套和柱塞也隨之轉(zhuǎn)動一定的角度。在柱塞凸緣上裝有柱塞彈簧的下承盤。彈簧上承盤支承在泵體上。彈簧的功用是使柱塞下行。凸輪軸上的凸輪通過滾輪體作用在柱塞上,使其向上運(yùn)動。
蘇州瑤佐機(jī)電有限公司,美國威格士VICKERS更專業(yè)的銷售商,主營產(chǎn)品:液壓元件,葉片泵,齒輪泵,柱塞泵,電磁閥,比例閥,磁性開關(guān),接近開關(guān),各類壓力控制閥,流量控制閥,方向控制閥,疊加閥,插裝閥,邏輯閥,多功能專用機(jī)復(fù)合閥……
35VQ38A 11C 20L,3525V25A14-1AA22R 35VQ38A 11C20,3525V25A17 11AA 22R 35VQ38A 1A20,3525V25A17 11CC 22R 35VQ38A 1B20L,3525V25A17 1AA22R 35VQ38A 1C 20,3525V25A17 1CC 22R 35VQ38A 1C 20L,3525V25A17 86AA 22R 35VQ38AS 123C21,4535V42A30 1DA22R,4535V42A35 1BB22R,4535V42A35 86AA22R,4535V42A38-86DD22R,4535V50A25 1AA22R,4535V50A25 1BB22R,4535V50A25 1CC22R,4535V50A25 1DD22R,4535V50A25 1DB22R,4535V50A25 86AA22R,4535V50A25 86BB22R,4535V50A25 86DD22R,4535V50A30 1AA22R,4535V50A30 1CC22R,4535V50A30 1DD22R,4535V50A30 86AA22R,4535V50A30 86BB22R,4535V50A30 86CC22R,4535V50A30 86DD22R,4535V50A30 86AD22R,
VICKER葉片泵 3525V-38A14-86CD-22R 美國威格士,
摘要基于視頻的目標(biāo)的跟蹤是交通事件檢測的一種重要方法,對視頻中的目標(biāo)物提取之后,再對目標(biāo)物的跟蹤是現(xiàn)代基于視頻交通事件檢測的重要手段?;谀繕?biāo)區(qū)域和目標(biāo)特征點的跟蹤方法既簡單又快捷。目標(biāo)區(qū)域的跟蹤主要工作是對目標(biāo)物重心的提取,并對重心進(jìn)行跟蹤。而目標(biāo)特征跟蹤首先是對目標(biāo)物體特征點的提取,提取完畢后,對特征點進(jìn)行跟蹤,跟蹤的方法主要采用模版匹配?;谝曨l的目標(biāo)跟蹤主要討論了這兩種方法?;谝曨l的目標(biāo)跟蹤主要的目的就是交通事件的檢測。,論文關(guān)鍵詞:跟蹤,區(qū)域,重心,特征點,,1.1目標(biāo)區(qū)域的重心,,我們利用連通域標(biāo)記[1]來判斷行人。根據(jù)連通域的外接矩形的重心的跟著軌跡來判斷行人。目標(biāo)區(qū)域由于背景提取和二值化的偏差,目標(biāo)物的中心往往不是目標(biāo)物的重心。所以本文根據(jù)目標(biāo)區(qū)域計算目標(biāo)區(qū)域的重心[2]。從而對重心進(jìn)行跟蹤。,,由于二值化的影響使連通域標(biāo)記的外接矩形的不能更好的反應(yīng)目標(biāo)物地真實情況?,F(xiàn)在為了避免上述情況,本文在確定外接矩形前進(jìn)行二值化投影。先進(jìn)行行投影。統(tǒng)計每行中的塊為白色的塊數(shù),再進(jìn)行列投影,統(tǒng)計每列中的塊為白色的塊數(shù)。,,根據(jù)行投影和列投影計算目標(biāo)物的重心。以重心的列的坐標(biāo)計算為例,其計算思想:設(shè)圖像目標(biāo)物塊數(shù)為,列數(shù)為特征點,對應(yīng)列的目標(biāo)物塊數(shù)為,幾率為:,,重心, i=1,2,3,L-1,L,,重心,,則重心的列y=i*pi。,,1.2目標(biāo)區(qū)域的重心軌跡分析,,得到目標(biāo)物重心以后,進(jìn)行目標(biāo)物重心的跟蹤,跟蹤的思想:得到重心后,保存重心的行和列,第二幀在上一幀中的重心附近進(jìn)行搜索,搜索的范圍本文設(shè)定為行數(shù)塊數(shù)為4塊列數(shù)的塊數(shù)為8塊,如果搜索到有目標(biāo)物的重心,就認(rèn)為兩
VICKER葉片泵 3525V-38A14-86CD-22R 美國威格士,幀為同一目標(biāo)物,更新重心的列和行坐標(biāo),搜索下一幀。本文搜索的幀數(shù)設(shè)定為10幀。根據(jù)每十幀目標(biāo)物重心的跟蹤軌跡[3],分析目標(biāo)物的速度。由于車輛速度較快,行人速度較慢,但閾值的選取有困難,所以目標(biāo)物的速度在本文中是十幀的位移矢量和,這樣做是為了放大速度之間的差距。圖像中目標(biāo)物重心的跟蹤結(jié)果可描述為下圖形式,,特征點,,2 目標(biāo)區(qū)域特征點的跟蹤,,2.1特征點的選取,,目標(biāo)物的特征點[4]的選取直接影響到目標(biāo)物的跟蹤,所以選取目標(biāo)物的特征點要有代表性和特征性。如圖所示的目標(biāo)物。本文選取目標(biāo)物的棱角作為它的特征點。,,重心,,目標(biāo)物的特征點,,特征點選取思想:從圖中看到,在目標(biāo)物的左右邊緣兩側(cè)的像素的灰度值差別是非常大的,一側(cè)是目標(biāo)物本身,另一側(cè)為背景,同樣,在目標(biāo)物的上下邊緣兩側(cè)的像素得灰度值差別也是非常大的,一側(cè)是目標(biāo)物本身,另一側(cè)為背景。所以我們利用目標(biāo)物左右和上下邊緣兩側(cè)的像素灰度差的來選取特征點。,,特征點選取過程:,,(1) 搜索圖像,當(dāng)搜索到目標(biāo)物上的像素時(目標(biāo)物像素值為255,背景像素值為0)計算它的左上與右上像素灰度值的差,正前與正后的像素灰度值差,左下與右下的像素灰度值差,并將他們之差的絕對值求和。,,(2) 當(dāng)求得的和大于所設(shè)定閾值時,認(rèn)為這一點在目標(biāo)物的邊界上。,,(3) 對(2)中的點計算它的左上與左下的像素灰度值差,正上與正下的像素灰度值差,右上與右下的像素灰度值差,并將他們之差的絕對值求和。,,(4) 當(dāng)求得的和大于所設(shè)定閾值時,認(rèn)為這一點是目標(biāo)物的特征點。否則不是目標(biāo)物的特征點。,,2.2特征點的跟蹤,,特征點跟蹤是根據(jù)第i幀中得到的模板在第i+1幀得到匹配最佳的目標(biāo)區(qū)域。影響跟蹤效果好壞的四個因素為:模板[5],候選目標(biāo),相似度的衡量。本文的跟蹤方法模板都是需要更新的,即第i幀中的模板在第i+1幀中找到最佳匹配的目標(biāo)區(qū)域后,在第i+2幀以i+1幀中找到最佳匹配的目標(biāo)區(qū)域作為新的模板,以此類推。,,(1)模板表示。跟蹤方法模板的表示為特征點為中心的矩形框內(nèi)的像素值。由于目標(biāo)幀間運(yùn)動小,可以為下一幀的搜索指定一個范圍。模板匹配的模板以塊(Block)為存儲結(jié)構(gòu)的匹配過程就是基于塊匹配[6]。塊匹配跟蹤的思想是將視頻圖像中的每一幀圖像分成多個相互不重疊的子塊(M*N),并假設(shè)塊內(nèi)所有像素點的位移矢量完全是相同的,把分出來的每個子塊當(dāng)作實際運(yùn)動的目標(biāo)物體。對于當(dāng)前幀中的每一個子塊,在前一幀或后一幀某一設(shè)定的搜索范圍(K*L)內(nèi),根據(jù)給定的匹配準(zhǔn)則,找到與當(dāng)前幀當(dāng)前塊塊相似度最高的子塊,即為匹配塊。由上一幀或者下一幀得到的匹配塊,和當(dāng)前塊的相對的位置可以得到這兩幀的物體運(yùn)動位移,所得到的運(yùn)動位移作為當(dāng)前塊運(yùn)動矢量,用D來表示。,,特征點,,塊匹配原理圖,,設(shè)可能當(dāng)前幀中的運(yùn)動位移的最大矢量為D跟蹤,則下一幀的塊的搜索窗口的相應(yīng)的大小可用區(qū)域表示。當(dāng)前匹配塊與搜索窗口間的關(guān)系可用下圖表示:,,重心,,匹配塊與搜索窗口關(guān)系示意圖,,對視頻圖像中的每個含有目標(biāo)的塊(8*6)進(jìn)行跟蹤,從而可以得到目標(biāo)的運(yùn)動軌跡。,,(2)候選目標(biāo)表示。候選目標(biāo)的表示為和特征點為中心的矩形框內(nèi)灰度值。,,(3)目標(biāo)物特征點的相似度衡量。相似度衡量是根據(jù)相應(yīng)的計算來完成的,相關(guān)計算值大的表示相似程度高。在計算相似度的衡量上常用的函數(shù)有以下幾種:,,最小平均絕對差值函數(shù)(MAD):,,區(qū)域,,最小均方誤差函數(shù)(MSE):,,基于視頻的目標(biāo)跟蹤,,最大匹配像素統(tǒng)計(MPC):,,重心,,其中,跟蹤為一閾值。,,歸一化的互相關(guān)(NC)函數(shù) :,,基于視頻的目標(biāo)跟蹤,,其中, 區(qū)域 ,,,基于視頻的目標(biāo)跟蹤,,其中,MAD、MSE[7]和MPC方法的實現(xiàn)比較簡單,運(yùn)算量較小,但對于光照的變化敏感。當(dāng)出現(xiàn)夜晚或者白天更替時,跟蹤的效果不好。而NC方法對灰度的線性變化不敏感,但計算量很大。由于本文以隧道視頻圖像為主,隧道視頻圖像受夜晚和白天的更替影響較小,所以本文采用MAD的相似度衡量。,,結(jié)語:目標(biāo)物體的跟蹤是判斷交通事件的重要途徑,區(qū)域的跟蹤和目標(biāo)特征點的跟蹤是要基于圖像二值化,圖像二值化的準(zhǔn)確程度直接決定了跟蹤的準(zhǔn)確性,特別是特征點的跟蹤。當(dāng)多個目標(biāo)物體出現(xiàn)重疊或者遮擋時,區(qū)域的跟蹤和目標(biāo)特征點的跟蹤的方法就失去了作用。所以目標(biāo)物體的遮擋問題是今后應(yīng)該重點研究的方向。,VICKER葉片泵 3525V-38A14-86CD-22R 美國威格士,