基于双目视觉的智能三坐标测量机零件位姿识别技术研究
摘要 | 第1-5页 |
Abstract | 第5-10页 |
第1章 绪论 | 第10-16页 |
·课题提出的背景和意义 | 第10-11页 |
·课题提出的背景 | 第10-11页 |
·课题研究的目的和意义 | 第11页 |
·国内外研究现状 | 第11-14页 |
·机器视觉的应用 | 第11-12页 |
·国内外研究现状 | 第12-14页 |
·课题主要研究工作 | 第14-16页 |
第2章 零件位姿自动识别系统 | 第16-24页 |
·零件位姿自动识别系统结构 | 第16-18页 |
·零件位姿自动识别系统功能 | 第16-17页 |
·视觉系统的组成与安装 | 第17-18页 |
·零件位姿自动识别系统原理和过程 | 第18-20页 |
·单摄像机双目视觉系统模型 | 第20-23页 |
·双目视觉系统模型的构建 | 第20-21页 |
·立体视觉测量原理 | 第21-22页 |
·基于单摄像机的立体视觉系统模型 | 第22-23页 |
·本章小结 | 第23-24页 |
第3章 摄像机标定 | 第24-32页 |
·摄像机成像模型 | 第24-26页 |
·摄像机标定方法 | 第26-28页 |
·传统摄像机标定法 | 第27页 |
·自标定方法 | 第27-28页 |
·张正友标定法 | 第28页 |
·摄像机标定试验 | 第28-31页 |
·摄像机内参标定 | 第28-29页 |
·摄像机外参标定 | 第29-30页 |
·摄像机标定结果及误差分析 | 第30-31页 |
·本章小结 | 第31-32页 |
第4章 零件位姿识别中的图像处理 | 第32-44页 |
·数字图像与 Matlab 图像处理工具箱 | 第32-33页 |
·数字图像概念 | 第32页 |
·MATLAB 图像处理工具箱 | 第32-33页 |
·零件图像预处理 | 第33-36页 |
·图像灰度化 | 第33页 |
·图像滤波 | 第33-34页 |
·图像二值化 | 第34-36页 |
·图像边缘检测 | 第36-37页 |
·干扰图像信息的去除 | 第37-41页 |
·连通域 | 第37-39页 |
·零件图像分割 | 第39-41页 |
·多余边缘线的消除 | 第41-42页 |
·本章小结 | 第42-44页 |
第5章 基于组合不变矩和神经网络的零件图像识别 | 第44-58页 |
·图像识别技术 | 第44-45页 |
·图像识别技术的发展 | 第44页 |
·图像识别系统组成 | 第44-45页 |
·图像特征不变量提取 | 第45-48页 |
·Hu 不变矩 | 第45-47页 |
·仿射不变矩 | 第47页 |
·归一化转动惯量 | 第47-48页 |
·组合不变矩 | 第48页 |
·特征降维 | 第48-50页 |
·维度灾难 | 第48-49页 |
·主成分分析 | 第49-50页 |
·基于神经网络的零件图像识别 | 第50-53页 |
·BP 神经网络 | 第50-51页 |
·BP 神经网络在零件识别中的应用 | 第51-53页 |
·实验与分析 | 第53-57页 |
·图像处理 | 第53-54页 |
·组合不变矩的降维 | 第54-56页 |
·识别结果分析 | 第56-57页 |
·本章小结 | 第57-58页 |
第6章 基于零件图像质心的立体匹配 | 第58-66页 |
·立体匹配基本理论 | 第58-59页 |
·立体匹配算法 | 第58页 |
·立体视觉中的匹配约束 | 第58-59页 |
·图像特征点的提取 | 第59-61页 |
·角点的定义 | 第59页 |
·角点检测算法 | 第59-61页 |
·基于质心平移的立体匹配 | 第61-65页 |
·立体匹配原理 | 第61-62页 |
·立体视觉匹配过程 | 第62-64页 |
·立体匹配实验 | 第64-65页 |
·本章小结 | 第65-66页 |
第7章 零件位姿识别方法及程序设计 | 第66-76页 |
·位姿测量定义与应用 | 第66页 |
·零件位姿参数求解 | 第66-71页 |
·坐标系之间相对位姿关系的描述 | 第66-68页 |
·特征点的三维重建 | 第68-69页 |
·零件 CAD 几何信息的获取 | 第69-70页 |
·位姿参数的求解 | 第70-71页 |
·零件位姿识别实验 | 第71-72页 |
·零件位姿识别系统界面 | 第72-74页 |
·本章小结 | 第74-76页 |
结论 | 第76-78页 |
参考文献 | 第78-84页 |
攻读硕士学位期间所发表的论文 | 第84-86页 |
致谢 | 第86页 |