基于SFS的表面粗糙度三维检测
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第10-20页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 表面粗糙度检测技术综述 | 第11-17页 |
| 1.2.1 表面粗糙度检测方法 | 第11-15页 |
| 1.2.2 基于机器视觉的表面粗糙度检测技术研究 | 第15-17页 |
| 1.3 课题主要研究内容 | 第17-20页 |
| 第二章 图像的获取及预处理 | 第20-30页 |
| 2.1 表面粗糙度检测原理 | 第20-21页 |
| 2.2 图像的获取 | 第21-24页 |
| 2.2.1 实验条件简介 | 第21-22页 |
| 2.2.2 数字图像相关概念 | 第22-23页 |
| 2.2.3 图像获取 | 第23-24页 |
| 2.3 图像预处理 | 第24-29页 |
| 2.3.1 图像灰度化 | 第25-26页 |
| 2.3.2 图像去噪 | 第26-29页 |
| 2.4 本章小结 | 第29-30页 |
| 第三章 基于SFS的图像表面三维重建算法研究 | 第30-48页 |
| 3.1 SFS方法及原理 | 第30-33页 |
| 3.1.1 SFS方法 | 第30-31页 |
| 3.1.2 表面图像的三维重建光照模型 | 第31-33页 |
| 3.2 基于改良光照模型的SFS算法研究 | 第33-42页 |
| 3.2.1 基于朗伯体模型的三维重建算法研究 | 第33-35页 |
| 3.2.2 基于改良光照模型的三维重建算法研究 | 第35-36页 |
| 3.2.3 迭代初始值 | 第36-41页 |
| 3.2.4 边界条件 | 第41-42页 |
| 3.2.5 迭代收敛条件 | 第42页 |
| 3.3 工件表面的三维重建图像 | 第42-47页 |
| 3.4 本章小结 | 第47-48页 |
| 第四章 表面粗糙度三维特征参数评定研究 | 第48-60页 |
| 4.1 表面粗糙度三维特征参数评定概述 | 第48页 |
| 4.2 三维特征参数的最小二乘评定基准面建立方法 | 第48-54页 |
| 4.2.1 最小二乘平面基准 | 第50-52页 |
| 4.2.2 最小二乘圆柱面基准 | 第52页 |
| 4.2.3 最小二乘圆锥面基准 | 第52-53页 |
| 4.2.4 最小二乘球面基准 | 第53-54页 |
| 4.3 表面粗糙度评定参数 | 第54-58页 |
| 4.3.1 表面粗糙度二维评定参数 | 第54-55页 |
| 4.3.2 表面粗糙度三维评定参数 | 第55页 |
| 4.3.3 表面粗糙度三维参数的计算 | 第55-58页 |
| 4.4 表面粗糙度三维评定参数的确定 | 第58-59页 |
| 4.5 本章小结 | 第59-60页 |
| 第五章 基于重建表面的粗糙度检测分析 | 第60-68页 |
| 5.1 二维特征参数的计算与比较 | 第60-63页 |
| 5.2 三维特征参数的计算与分析 | 第63-66页 |
| 5.3 表面粗糙度在线检测系统开发 | 第66-67页 |
| 5.4 本章小结 | 第67-68页 |
| 第六章 结论 | 第68-70页 |
| 6.1 结论 | 第68页 |
| 6.2 展望 | 第68-70页 |
| 参考文献 | 第70-74页 |
| 作者简介 | 第74页 |
| 作者在攻读硕士学位期间发表的学术论文 | 第74-76页 |
| 致谢 | 第76页 |
