摘要 | 第3-4页 |
ABSTRACT | 第4-5页 |
1 绪论 | 第9-16页 |
1.1 研究背景 | 第9-10页 |
1.2 机器视觉检测技术 | 第10-12页 |
1.2.1 机器视觉概述 | 第10页 |
1.2.2 机器视觉检测技术 | 第10-11页 |
1.2.3 机器视觉检测技术在微型零件测量中的应用 | 第11-12页 |
1.3 本文方案的选择 | 第12-14页 |
1.4 论文研究内容和结构安排 | 第14-15页 |
1.4.1 论文主要研究内容 | 第14页 |
1.4.2 论文结构安排 | 第14-15页 |
1.5 本章小结 | 第15-16页 |
2 系统总体设计 | 第16-25页 |
2.1 系统总体结构 | 第16页 |
2.2 系统机械部分 | 第16-18页 |
2.2.1 三维伺服机构 | 第16-17页 |
2.2.2 系统测量工作平台 | 第17-18页 |
2.3 光学系统设计 | 第18-22页 |
2.3.1 相机的选择 | 第18-19页 |
2.3.2 照明设计 | 第19-20页 |
2.3.3 镜头的选择 | 第20-21页 |
2.3.4 相机的标定技术 | 第21-22页 |
2.4 基于 FPGA 的图像采集和处理系统设计 | 第22-24页 |
2.4.1 FPGA 技术 | 第22页 |
2.4.2 FPGA 和图像处理 | 第22页 |
2.4.3 图像采集和图像处理系统设计 | 第22-24页 |
2.5 本章小结 | 第24-25页 |
3 基于 FPGA 的机器视觉检测系统硬件设计 | 第25-37页 |
3.1 基于 FPGA 的硬件系统 | 第25-26页 |
3.2 系统主要芯片及器件选择 | 第26-36页 |
3.2.1 FPGA 核心处理器的选择 | 第26-27页 |
3.2.2 储存器的选择 | 第27-30页 |
3.2.3 视频解码芯片选型 | 第30-33页 |
3.2.4 视频编码芯片选型 | 第33-34页 |
3.2.5 图像显示器选型 | 第34-35页 |
3.2.6 时钟源接口 | 第35-36页 |
3.3 本章小结 | 第36-37页 |
4 基于 FPGA 的机器视觉检测系统软件设计 | 第37-48页 |
4.1 FPGA 开发环境与软件和相关技术 | 第37-39页 |
4.1.1 QuartusⅡ软件及设计流程 | 第37-38页 |
4.1.2 IP 技术 | 第38-39页 |
4.2 可编程片上系统 SOPC | 第39-41页 |
4.2.1 SOPC 技术 | 第39页 |
4.2.2 SOPC 软硬件协同设计 | 第39-41页 |
4.3 NiosⅡ处理器相关知识 | 第41-44页 |
4.3.1 NiosⅡ处理器 | 第41-42页 |
4.3.2 Avalon 总线 | 第42-44页 |
4.4 MATLAB/Simulink 软件和 DSP Builder 工具 | 第44-46页 |
4.4.1 MARLAB/Simulink 和 DSP Builder 软件工具介绍 | 第44页 |
4.4.2 DSP Builder 设计流程 | 第44-46页 |
4.5 基于 SOPC 图像采集和处理系统 | 第46-47页 |
4.6 本章小结 | 第47-48页 |
5 系统图像处理过程与微型齿轮尺寸检测的设计与验证 | 第48-63页 |
5.1 零件尺寸检测图像处理一般过程 | 第48页 |
5.2 图像处理的算法 | 第48-54页 |
5.2.1 图像预处理 | 第48-51页 |
5.2.2 边缘检测 | 第51-53页 |
5.2.3 边缘拟合 | 第53-54页 |
5.3 图像处理算法的实现结果 | 第54-62页 |
5.3.1 微型齿轮的相关信息及尺寸检测过程 | 第55-56页 |
5.3.2 齿轮图像的灰度化和二值化 | 第56-57页 |
5.3.3 齿轮图像的平滑滤波 | 第57-58页 |
5.3.4 齿轮图像的边缘检测 | 第58-59页 |
5.3.5 微型齿轮边缘拟合 | 第59页 |
5.3.6 本文系统的标定 | 第59-60页 |
5.3.7 齿轮尺寸的计算 | 第60-62页 |
5.4 本章总结 | 第62-63页 |
6 总结与展望 | 第63-65页 |
6.1 总结 | 第63-64页 |
6.2 展望 | 第64-65页 |
致谢 | 第65-66页 |
参考文献 | 第66-67页 |