| 摘要 | 第4-5页 |
| abstract | 第5页 |
| 引言 | 第9-10页 |
| 第1章 绪论 | 第10-19页 |
| 1.1 课题研究的背景及意义 | 第10页 |
| 1.2 工件视觉识别国内外研究现状 | 第10-13页 |
| 1.2.1 工件视觉识别的国外研究现状 | 第10-11页 |
| 1.2.2 工件视觉识别的国内研究现状 | 第11-13页 |
| 1.3 六自由度姿态变换实验平台 | 第13-15页 |
| 1.3.1 六自由度模拟实验平台 | 第13页 |
| 1.3.2 六自由度模拟平台功能定义 | 第13-15页 |
| 1.4 工件不同姿态的不变矩特征提取 | 第15页 |
| 1.5 Parzen窗与粒子群优化算法 | 第15-16页 |
| 1.5.1 Parzen窗 | 第15-16页 |
| 1.5.2 粒子群 | 第16页 |
| 1.6 工件特征的SVM识别 | 第16-17页 |
| 1.7 本课题所用的编程环境 | 第17-18页 |
| 1.7.1 Halcon编程环境及图像采集与处理 | 第17-18页 |
| 1.7.2 Matlab编程环境及其图像处理 | 第18页 |
| 1.8 本课题研究的主要内容 | 第18-19页 |
| 第2章 工件姿态六自由度实验平台及工件图像采集系统 | 第19-30页 |
| 2.1 六自由度实验平台结构设计 | 第19页 |
| 2.2 实验平台机械系统的部件选型 | 第19-23页 |
| 2.3 图像采集视觉系统设计 | 第23-26页 |
| 2.3.1 Flea3GigE工业相机 | 第23-25页 |
| 2.3.2 相机配套镜头的选择 | 第25-26页 |
| 2.4 工件不同姿态图像的采集 | 第26-28页 |
| 2.5 本章小结 | 第28-30页 |
| 第3章 工件姿态图像的处理 | 第30-38页 |
| 3.1 图像滤波 | 第30-33页 |
| 3.1.1 均值滤波器 | 第30-31页 |
| 3.1.2 中值滤波器 | 第31页 |
| 3.1.3 拉普拉斯锐化滤波 | 第31-33页 |
| 3.2 工件姿态图像的增强处理 | 第33-35页 |
| 3.2.1 频域增强 | 第33页 |
| 3.2.2 空域增强 | 第33-35页 |
| 3.3 工件姿态图像的边缘检测与分割 | 第35-37页 |
| 3.3.1 工件图像的边缘检测 | 第35-36页 |
| 3.3.2 分水岭图像分割 | 第36-37页 |
| 3.4 本章小结 | 第37-38页 |
| 第4章 工件姿态图像不变矩特征提取 | 第38-48页 |
| 4.1 图像的特征概述 | 第38页 |
| 4.2 七阶矩图像特征分析 | 第38-39页 |
| 4.3 基于七阶矩的图像特征提取 | 第39-46页 |
| 4.3.1 单个工件水平旋转不变矩特征 | 第40-41页 |
| 4.3.2 单个工件部分遮挡不变矩特征 | 第41-42页 |
| 4.3.3 工件部分重叠不变矩特征 | 第42-43页 |
| 4.3.4 工件姿态变化的不变矩特征 | 第43-46页 |
| 4.4 本章小结 | 第46-48页 |
| 第5章 基于SVM及Parzen的工件及其类型识别 | 第48-64页 |
| 5.1 支持向量机(SVM)回归预测方法 | 第48-49页 |
| 5.2 基于不变矩与SVM的不同姿态下工件的识别 | 第49-53页 |
| 5.2.1 工件在水平面旋转时的SVM识别 | 第49-51页 |
| 5.2.2 工件姿态变换时的SVM识别 | 第51-53页 |
| 5.3 Parzen概率密度估计 | 第53-57页 |
| 5.3.1 方窗函数 | 第54-56页 |
| 5.3.2 高斯窗函数 | 第56-57页 |
| 5.4 基于Parzen的工件类型概率估计 | 第57-63页 |
| 5.4.1 parzen窗工件类型估计 | 第57-59页 |
| 5.4.2 粒子群最大概率优化 | 第59-63页 |
| 5.5 本章小结 | 第63-64页 |
| 结论 | 第64-65页 |
| 参考文献 | 第65-69页 |
| 致谢 | 第69-70页 |
| 导师简介 | 第70-71页 |
| 作者简介 | 第71-72页 |
| 学位论文数据集 | 第72页 |