基于计算机视觉的车架纵梁在线检测关键技术研究
| 提要 | 第1-8页 |
| 第1章 绪论 | 第8-20页 |
| ·课题的提出 | 第8-9页 |
| ·计算机视觉技术综述 | 第9-11页 |
| ·计算机视觉检测技术 | 第11-18页 |
| ·工业检测 | 第12-16页 |
| ·计算机视觉在线检测 | 第16-18页 |
| ·本文的主要研究内容 | 第18-19页 |
| ·本章小结 | 第19-20页 |
| 第2章 视觉检测系统设计 | 第20-31页 |
| ·引言 | 第20页 |
| ·计算机视觉检测系统原理与组成 | 第20-28页 |
| ·传动机构 | 第21-23页 |
| ·CCD 图像采集系统 | 第23-27页 |
| ·电气控制系统 | 第27-28页 |
| ·视觉检测方案 | 第28-29页 |
| ·检测流程 | 第28页 |
| ·软件系统 | 第28-29页 |
| ·系统样机 | 第29-30页 |
| ·本章小结 | 第30-31页 |
| 第3章 图像处理基础算法研究 | 第31-60页 |
| ·图像增强 | 第31-33页 |
| ·直方图图像增强基本原理 | 第31-32页 |
| ·直方图均衡方法 | 第32-33页 |
| ·图像滤波 | 第33-35页 |
| ·图像分割 | 第35-37页 |
| ·阈值分割算法 | 第35-36页 |
| ·局部自适应阈值分割算法 | 第36-37页 |
| ·边缘检测 | 第37-45页 |
| ·引言 | 第37-38页 |
| ·常见边缘检测算子 | 第38-44页 |
| ·实验结果与分析 | 第44-45页 |
| ·基于小波变换的边缘检测 | 第45-47页 |
| ·小波变换的定义 | 第45-46页 |
| ·小波变换检测原理 | 第46-47页 |
| ·亚像素边缘提取 | 第47-51页 |
| ·亚像素的概念 | 第47页 |
| ·基于曲线拟合的亚像素边缘检测算法 | 第47-51页 |
| ·圆的特征提取 | 第51-53页 |
| ·Hough 变换算法原理 | 第51-53页 |
| ·最小二乘法圆拟合 | 第53页 |
| ·图像拼接 | 第53-59页 |
| ·基于频域的图像配准 | 第55-57页 |
| ·图像的融合 | 第57-59页 |
| ·本章小结 | 第59-60页 |
| 第4章 纵梁图像处理技术 | 第60-72页 |
| ·车架纵梁图像处理流程 | 第60页 |
| ·基于小波变换的图像增强 | 第60-62页 |
| ·低频信息的增强 | 第61页 |
| ·小波系数的增强 | 第61-62页 |
| ·图像拼接 | 第62-67页 |
| ·FFT 图像匹配算法的改进 | 第62-64页 |
| ·加权平滑融合算法的改进 | 第64-65页 |
| ·实验结果与分析 | 第65-67页 |
| ·纵梁图像分割 | 第67-68页 |
| ·纵梁装配孔区域的提取 | 第68-69页 |
| ·纵梁装配孔特征提取 | 第69-71页 |
| ·本章小结 | 第71-72页 |
| 第5章 摄像机标定技术研究 | 第72-88页 |
| ·摄像机标定方法综述 | 第72-76页 |
| ·传统的摄像机标定方法 | 第72-74页 |
| ·摄像机自标定方法 | 第74-76页 |
| ·摄像机成像模型 | 第76-78页 |
| ·实际成像模型 | 第78-79页 |
| ·摄像机标定算法 | 第79-82页 |
| ·张正友摄像机标定算法基本原理 | 第79-80页 |
| ·图像畸变的双线性校正 | 第80-82页 |
| ·实验 | 第82-87页 |
| ·实验环境的建立 | 第82-83页 |
| ·图像非线性畸变校正实验 | 第83-85页 |
| ·图像双线性变换实验 | 第85-86页 |
| ·实物标定实验 | 第86-87页 |
| ·本章小结 | 第87-88页 |
| 第6章 车架纵梁类型识别技术 | 第88-115页 |
| ·模式分类的基本概念 | 第88-90页 |
| ·有监督模式分类 | 第89页 |
| ·无监督模式分类 | 第89-90页 |
| ·车架纵梁ART1 神经网络识别 | 第90-98页 |
| ·ART1 神经网络结构 | 第90-92页 |
| ·特征模板提取 | 第92-95页 |
| ·ART1 神经网络训练 | 第95-98页 |
| ·车架纵梁ART2 神经网络识别 | 第98-105页 |
| ·ART2 神经网络结构 | 第99-100页 |
| ·特征模板提取 | 第100-104页 |
| ·ART2 神经网络训练 | 第104-105页 |
| ·ART2 神经网络的改进 | 第105-110页 |
| ·ART2 神经网络结构的改进 | 第105-106页 |
| ·对ART2 神经网络的连接权值算法的改进 | 第106页 |
| ·特征模板提取 | 第106-109页 |
| ·网络参数的选择 | 第109-110页 |
| ·基于信息融合的纵梁类型识别 | 第110-114页 |
| ·引言 | 第110-112页 |
| ·D-S 识别框架与合成规则 | 第112-113页 |
| ·实验结果和分析 | 第113-114页 |
| ·本章小结 | 第114-115页 |
| 第7章 车架纵梁在线检测 | 第115-122页 |
| ·检测系统参数设定 | 第115页 |
| ·车架纵梁图像标准数据库的建立 | 第115-119页 |
| ·实验数据与分析 | 第119-121页 |
| ·小结 | 第121-122页 |
| 第8章 总结与展望 | 第122-124页 |
| 参考文献 | 第124-136页 |
| 攻读博士学位期间发表的学术论文、科研情况 | 第136-137页 |
| 致谢 | 第137-138页 |
| 摘要 | 第138-140页 |
| ABSTRACT | 第140-142页 |
