基于机器视觉的铁路货车闸瓦检测技术研究
| 摘要 | 第1-6页 |
| Abstract | 第6-8页 |
| 目录 | 第8-10页 |
| Contents | 第10-12页 |
| 第一章 绪论 | 第12-19页 |
| ·机器视觉检测的原理、应用和前景 | 第12-15页 |
| ·机器视觉检测的原理 | 第12-13页 |
| ·机器视觉检测技术的应用 | 第13-15页 |
| ·本文研究的背景、意义及主要研究内容 | 第15-18页 |
| ·小结 | 第18-19页 |
| 第二章 闸瓦检测系统设计 | 第19-35页 |
| ·系统组成概述 | 第19-20页 |
| ·系统的硬件组成 | 第20-25页 |
| ·触发信号单元 | 第20-22页 |
| ·图像采集单元 | 第22-25页 |
| ·系统的软件组成 | 第25-29页 |
| ·图像采集模块 | 第27-29页 |
| ·图像处理模块 | 第29页 |
| ·系统的标定 | 第29-34页 |
| ·摄像机的镜头畸变 | 第30-31页 |
| ·摄像机标定的实现与分析 | 第31-34页 |
| ·小结 | 第34-35页 |
| 第三章 闸瓦图像处理 | 第35-59页 |
| ·图像复原 | 第35-40页 |
| ·图像复原原理 | 第35-37页 |
| ·维纳滤波复原的原理 | 第37-38页 |
| ·维纳滤波算法的实现 | 第38-40页 |
| ·图像边缘检测 | 第40-50页 |
| ·常用的边缘检测算子 | 第41-44页 |
| ·基于 Canny算子的边缘检测 | 第44-48页 |
| ·Canny边缘检测算子的原理 | 第44-45页 |
| ·Canny边缘检测算法的实现 | 第45-48页 |
| ·边缘检测结果与分析 | 第48-50页 |
| ·闸瓦识别 | 第50-58页 |
| ·统计模式识别概述 | 第50-53页 |
| ·聚类分析方法 | 第53-55页 |
| ·闸瓦识别的实现与分析 | 第55-58页 |
| ·小结 | 第58-59页 |
| 第四章 闸瓦测量和分析 | 第59-76页 |
| ·闸瓦边缘曲线构造 | 第59-63页 |
| ·曲线扩展实现与分析 | 第59-61页 |
| ·模式转换实现与分析 | 第61-63页 |
| ·闸瓦厚度测量实现与分析 | 第63-66页 |
| ·测量实现 | 第63-65页 |
| ·测量分析 | 第65-66页 |
| ·系统试验结果分析 | 第66-71页 |
| ·重复性试验 | 第66-67页 |
| ·测量误差分析 | 第67-71页 |
| ·硬件因素 | 第67-69页 |
| ·软件因素 | 第69-71页 |
| ·管理系统实现 | 第71-75页 |
| ·图像管理单元 | 第71-72页 |
| ·数据管理单元 | 第72-75页 |
| ·小结 | 第75-76页 |
| 总结与展望 | 第76-78页 |
| 参考文献 | 第78-82页 |
| 攻读学位期间发表的论文及获奖情况 | 第82-83页 |
| 独创性声明 | 第83-84页 |
| 致谢 | 第84页 |
