| 摘要 | 第2-3页 |
| Abstract | 第3-4页 |
| 1 绪论 | 第7-20页 |
| 1.1 研究背景及意义 | 第7-10页 |
| 1.2 国内外研究现状分析 | 第10-17页 |
| 1.2.1 基于机器视觉的大型构件三维测量研究现状 | 第10-12页 |
| 1.2.2 光条特征提取研究现状 | 第12-14页 |
| 1.2.3 边界特征提取研究现状 | 第14-17页 |
| 1.3 大型航空构件视觉测量特征提取方法研究难点 | 第17-18页 |
| 1.3.1 大型航空构件三维测量总体方案 | 第17-18页 |
| 1.3.2 主要存在的问题及难点 | 第18页 |
| 1.4 论文的主要研究内容 | 第18-20页 |
| 2 线激光条纹中心提取方法研究 | 第20-40页 |
| 2.1 线激光条纹数学特征分析 | 第20-24页 |
| 2.2 自适应阈值光条图像预处理 | 第24-29页 |
| 2.2.1 光条图像灰度分布均匀性评价准则 | 第24-26页 |
| 2.2.2 光条图像自适应阈值分割 | 第26-29页 |
| 2.3 现有光条中心提取方法简介 | 第29-35页 |
| 2.3.1 灰度重心法 | 第29页 |
| 2.3.2 曲线拟合法 | 第29-31页 |
| 2.3.3 空间矩法 | 第31-33页 |
| 2.3.4 Steger算法 | 第33-34页 |
| 2.3.5 现有亚像素光条中心提取方法综合分析 | 第34-35页 |
| 2.4 基于自适应阈值的光条中心提取方法 | 第35-39页 |
| 2.5 本章小结 | 第39-40页 |
| 3 目标边界特征提取方法 | 第40-56页 |
| 3.1 目标边界数学特征分析 | 第40-44页 |
| 3.1.1 弯折型边界模型 | 第41-42页 |
| 3.1.2 错位型边界模型 | 第42-43页 |
| 3.1.3 宽度变化型边界模型 | 第43-44页 |
| 3.2 边界特征自适应分类机制 | 第44-47页 |
| 3.3 亚像素边界特征提取方法 | 第47-55页 |
| 3.3.1 边界位置粗提取 | 第47-48页 |
| 3.3.2 基于特征矩的目标边界精提取 | 第48-50页 |
| 3.3.3 边界提取方法实验验证 | 第50-55页 |
| 3.4 本章小结 | 第55-56页 |
| 4 序列图像光条特征区域预测跟踪研究 | 第56-74页 |
| 4.1 运动目标跟踪方法概述 | 第56-57页 |
| 4.2 基于Kalman滤波的光条区域预测方法 | 第57-65页 |
| 4.2.1 Kalman滤波基本原理 | 第58-60页 |
| 4.2.2 结合先验知识的多边形几何约束建立 | 第60-61页 |
| 4.2.3 基于Kalman滤波的光条区域跟踪实现 | 第61-65页 |
| 4.3 光条感兴趣区域预测跟踪结果分析 | 第65-73页 |
| 4.3.1 光条感兴趣区域预测跟踪实验 | 第65-70页 |
| 4.3.2 结合光条感兴趣区域预测跟踪的光条提取效果分析 | 第70-73页 |
| 4.4 本章小结 | 第73-74页 |
| 5 实验与分析 | 第74-81页 |
| 5.1 基于辅助激光扫描的双目立体视觉测量系统 | 第74页 |
| 5.2 零构件三维测量精度验证实验 | 第74-78页 |
| 5.2.1 标准件测量精度验证实验 | 第74-76页 |
| 5.2.2 曲面件三维形面测量实验 | 第76-78页 |
| 5.3 大型机身壁板样件现场测量实验分析 | 第78-80页 |
| 5.4 本章小结 | 第80-81页 |
| 结论与展望 | 第81-83页 |
| 参考文献 | 第83-88页 |
| 攻读硕士学位期间发表学术论文情况 | 第88-89页 |
| 致谢 | 第89-91页 |
