双视角三维测量识别系统研究
| 致谢 | 第4-5页 |
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 目录 | 第7-10页 |
| 第一章 绪论 | 第10-17页 |
| 1.1 课题背景及意义 | 第10页 |
| 1.2 三维视觉检测研究现状 | 第10-15页 |
| 1.2.1 被动三维视觉方法 | 第11页 |
| 1.2.2 主动三维视觉方法 | 第11-12页 |
| 1.2.3 点云数据处理方法 | 第12-15页 |
| 1.3 三维物体识别的研究现状 | 第15页 |
| 1.4 本课题研究目的及研究内容 | 第15-17页 |
| 第二章 系统装置设计 | 第17-23页 |
| 2.1 系统的基本组成及功能介绍 | 第17页 |
| 2.2 系统的处理过程 | 第17-18页 |
| 2.3 系统的硬件架构 | 第18-20页 |
| 2.3.1 工业相机 | 第19页 |
| 2.3.2 固定焦距工业镜头 | 第19页 |
| 2.3.3 线激光器 | 第19-20页 |
| 2.3.4 步进电机 | 第20页 |
| 2.4 系统的软件架构 | 第20-22页 |
| 2.4.1 串口控制模块 | 第21页 |
| 2.4.2 图像处理及三维重建模块 | 第21-22页 |
| 2.4.3 点云处理模块 | 第22页 |
| 2.4.4 三维识别模块 | 第22页 |
| 2.5 本章小结 | 第22-23页 |
| 第三章 系统标定 | 第23-37页 |
| 3.1 摄像机模型 | 第23-27页 |
| 3.1.1 坐标系 | 第23-25页 |
| 3.1.2 针孔模型 | 第25-26页 |
| 3.1.3 非线性相机模型 | 第26-27页 |
| 3.2 摄像机的标定过程 | 第27-30页 |
| 3.2.1 基于二维标定板的相机标定 | 第27-30页 |
| 3.3 结构光测量系统的标定 | 第30-32页 |
| 3.3.1 单线结构光测量系统的标定 | 第30-32页 |
| 3.4 标定过程和结果 | 第32-36页 |
| 3.5 本章小结 | 第36-37页 |
| 第四章 图像处理及三维重建 | 第37-44页 |
| 4.1 线结构光光条图像的特点 | 第37页 |
| 4.2 图像滤波 | 第37-38页 |
| 4.3 图像分割 | 第38页 |
| 4.4 光条中心提取方法 | 第38-41页 |
| 4.4.1 极值法 | 第38页 |
| 4.4.2 阈值法 | 第38-39页 |
| 4.4.3 灰度重心法 | 第39页 |
| 4.4.4 曲线拟合法 | 第39页 |
| 4.4.5 Steger算法 | 第39-40页 |
| 4.4.6 本文采用的光条中心提取方法 | 第40-41页 |
| 4.5 三维重建 | 第41-43页 |
| 4.6 本章小结 | 第43-44页 |
| 第五章 点云数据匹配与处理 | 第44-65页 |
| 5.1 点云匹配 | 第44-49页 |
| 5.1.1 基础知识 | 第44-45页 |
| 5.1.2 系统的的匹配算法 | 第45-47页 |
| 5.1.3 点云匹配结果 | 第47-49页 |
| 5.2 点云数据重采样 | 第49-54页 |
| 5.2.1 点云重采样方法 | 第49-50页 |
| 5.2.2 典型的重采样方法 | 第50-52页 |
| 5.2.3 本文采用的重采样方法 | 第52页 |
| 5.2.4 重采样结果 | 第52-54页 |
| 5.3 点云重构 | 第54-58页 |
| 5.3.1 三角剖分方法 | 第54-56页 |
| 5.3.2 重构结果 | 第56-58页 |
| 5.4 多种测量目标的数据处理效果 | 第58-61页 |
| 5.4.1 双视角配准对填充数据缺失的效果 | 第59-60页 |
| 5.4.2 物体重构效果 | 第60-61页 |
| 5.5 测量参数及误差 | 第61-64页 |
| 5.5.1 系统参数 | 第61-62页 |
| 5.5.2 系统误差 | 第62-64页 |
| 5.6 本章小结 | 第64-65页 |
| 第六章 基于点云匹配的工件识别 | 第65-72页 |
| 6.1 识别方法 | 第65-66页 |
| 6.2 识别流程 | 第66-68页 |
| 6.3 双视角识别与单视角识别结果对比 | 第68-71页 |
| 6.4 本章小结 | 第71-72页 |
| 第七章 总结与展望 | 第72-74页 |
| 7.1 总结 | 第72页 |
| 7.2 展望 | 第72-74页 |
| 参考文献 | 第74-76页 |
