| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 课题研究的背景及意义 | 第9-11页 |
| 1.1.1 课题研究背景 | 第9-10页 |
| 1.1.2 课题研究意义 | 第10-11页 |
| 1.2 国内外的研究现状 | 第11-13页 |
| 1.2.1 传统人工测量方法 | 第11-12页 |
| 1.2.2 自动检测技术 | 第12-13页 |
| 1.3 课题研究内容及关键技术 | 第13-14页 |
| 1.3.1 课题研究内容 | 第13-14页 |
| 1.3.2 关键技术 | 第14页 |
| 1.4 本章小结 | 第14-15页 |
| 第二章 检测模型与检测方案设计 | 第15-23页 |
| 2.1 中大型桥梁挠变理论分析 | 第15-18页 |
| 2.1.1 桥梁下挠原因分析 | 第15-16页 |
| 2.1.2 中大型桥梁挠变原理 | 第16-18页 |
| 2.2 桥梁挠度检测模型与方案设计 | 第18-22页 |
| 2.2.1 检测模型分析 | 第18-19页 |
| 2.2.2 检测系统总体结构设计 | 第19-20页 |
| 2.2.3 详细方案设计 | 第20-22页 |
| 2.3 本章小结 | 第22-23页 |
| 第三章 基于DM642的图像式挠度检测系统硬件设计 | 第23-31页 |
| 3.1 桥梁挠度检测系统硬件设计 | 第23页 |
| 3.2 标靶图像采集和处理子系统 | 第23-27页 |
| 3.2.1 视频解码电路 | 第24-25页 |
| 3.2.2 通讯电路 | 第25-26页 |
| 3.2.3 译码电路 | 第26-27页 |
| 3.3 人机交互与通讯子系统 | 第27-30页 |
| 3.3.1 人机交互电路 | 第28-29页 |
| 3.3.2 无线通讯电路 | 第29-30页 |
| 3.4 远程监测子系统 | 第30页 |
| 3.5 本章小结 | 第30-31页 |
| 第四章 基于DM642的激光光斑图像检测 | 第31-53页 |
| 4.1 激光光斑图像分析 | 第31-33页 |
| 4.1.1 DM642视频捕捉格式 | 第31-32页 |
| 4.1.2 光斑图像分析 | 第32-33页 |
| 4.2 基于金字塔算法的ROI检测 | 第33-36页 |
| 4.2.1 金字塔算法 | 第33-34页 |
| 4.2.2 光斑图像ROI检测算法 | 第34-36页 |
| 4.3 光斑图像预处理 | 第36-43页 |
| 4.3.1 光斑图像去噪算法研究 | 第36-38页 |
| 4.3.2 光斑图像分割算法研究 | 第38-41页 |
| 4.3.3 去噪算法对检测精度的影响 | 第41-42页 |
| 4.3.4 光斑图像预处理算法及DSP实现 | 第42-43页 |
| 4.4 光斑中心亚像素检测算法及DSP实现 | 第43-51页 |
| 4.4.1 光斑中心检测算法研究 | 第43-45页 |
| 4.4.2 光斑中心亚像素检测算法 | 第45-49页 |
| 4.4.3 光斑中心检测实验 | 第49-51页 |
| 4.5 本章小结 | 第51-53页 |
| 第五章 实验与误差分析 | 第53-65页 |
| 5.1 原理样机与上位机设计 | 第53-54页 |
| 5.1.1 原理样机设计 | 第53页 |
| 5.1.2 上位机设计 | 第53-54页 |
| 5.2 实验与误差分析 | 第54-58页 |
| 5.2.1 实验结果 | 第54-56页 |
| 5.2.2 误差分析 | 第56-58页 |
| 5.3 精度校正实验 | 第58-63页 |
| 5.3.1 图像畸变模型 | 第58-59页 |
| 5.3.2 畸变校正 | 第59-61页 |
| 5.3.3 精度校正实验 | 第61-63页 |
| 5.4 本章小结 | 第63-65页 |
| 总结与展望 | 第65-67页 |
| 参考文献 | 第67-71页 |
| 攻读学位期间取得的研究成果 | 第71-73页 |
| 致谢 | 第73页 |