| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第10-27页 |
| 1.1 课题背景 | 第10-16页 |
| 1.1.1 基于单目视觉二维平面图像测量技术研究的必要性 | 第11-13页 |
| 1.1.2 基于二维平面图像视觉测量技术的研究应用现状 | 第13-15页 |
| 1.1.3 大尺寸零件在线视觉测量技术研究的必要性 | 第15-16页 |
| 1.1.4 课题的来源 | 第16页 |
| 1.2 大尺寸零件在线视觉测量关键技术研究现状 | 第16-25页 |
| 1.2.1 图像自动聚焦技术的研究现状 | 第16-18页 |
| 1.2.2 边缘检测技术的研究现状 | 第18-21页 |
| 1.2.3 图像匹配技术的研究现状 | 第21-25页 |
| 1.3 课题的研究内容 | 第25-27页 |
| 第二章 大尺寸零件在线测量技术路线与系统设计 | 第27-38页 |
| 2.1 在线测量技术路线设计 | 第27-28页 |
| 2.2 硬件模块设计及选型 | 第28-35页 |
| 2.2.1 照明系统设计 | 第28-30页 |
| 2.2.2 工业相机的选择 | 第30-32页 |
| 2.2.3 镜头的选择 | 第32-34页 |
| 2.2.4 图像采集卡 | 第34页 |
| 2.2.5 输送机 | 第34-35页 |
| 2.3 软件系统的设计 | 第35-37页 |
| 2.4 本测量系统的特点 | 第37页 |
| 2.5 本章小结 | 第37-38页 |
| 第三章 基于边缘跨度函数的最优聚焦算法研究 | 第38-54页 |
| 3.1 工业相机成像原理 | 第38-40页 |
| 3.1.1 透镜成像简易模型 | 第38-39页 |
| 3.1.2 点扩散模型 | 第39-40页 |
| 3.2 不同类型聚焦函数及其特点 | 第40-44页 |
| 3.3 一种基于边缘跨度值函数的最优聚焦算法 | 第44-52页 |
| 3.3.1 边缘跨度函数及其聚焦原理 | 第44-45页 |
| 3.3.2 聚焦窗口和搜索策略的确定 | 第45-46页 |
| 3.3.3 算法流程 | 第46-47页 |
| 3.3.4 边缘跨度值最小的聚焦算法 | 第47-48页 |
| 3.3.5 新聚焦算法和最优聚焦函数的对比实验 | 第48-51页 |
| 3.3.6 新算法和最优聚焦函数抗噪声能力对比实验 | 第51-52页 |
| 3.4 本章小结 | 第52-54页 |
| 第四章 像素当量误差成因分析及标定方法研究 | 第54-83页 |
| 4.1 基于像素当量的大尺寸零件测量原理与像素当量误差成因分析 | 第54-55页 |
| 4.2 图像畸变校正概述 | 第55-60页 |
| 4.2.1 图像畸变成因分析 | 第55页 |
| 4.2.2 图像畸变校正方法概述 | 第55-56页 |
| 4.2.3 图像畸变模型 | 第56-57页 |
| 4.2.4 一种基于标准网格的图像畸变校正算法 | 第57-60页 |
| 4.3 一种基于灰度自适应阈值的边缘检测算法 | 第60-74页 |
| 4.3.1 理想边缘模型 | 第60-61页 |
| 4.3.2 经典边缘检测算子 | 第61-65页 |
| 4.3.3 边缘亚像素定位算法 | 第65-70页 |
| 4.3.3.1 插值法 | 第65-66页 |
| 4.3.3.2 拟合法 | 第66页 |
| 4.3.3.3 基于矩的边缘亚像素定位算法 | 第66-70页 |
| 4.3.4 基于灰度自适应阈值的边缘检测算法 | 第70-74页 |
| 4.4 工业相机像素当量标定方法与实验 | 第74-81页 |
| 4.4.1 像素当量标定方法及大尺寸零件尺寸计算公式 | 第74-75页 |
| 4.4.2 基于像素当量标定的边缘检测新算法和经典算法的比较实验与分析 | 第75-81页 |
| 4.4.2.1 基于像素当量标定的新算法和梯度算子的边缘检测对比实验 | 第75-80页 |
| 4.4.2.2 基于像素当量标定的边缘检测新算法和亚像素边缘检测法的对比实验 | 第80-81页 |
| 4.5 本章小结 | 第81-83页 |
| 第五章 基于大尺寸零件在线测量的图像匹配算法研究 | 第83-107页 |
| 5.1 大尺寸零件序列图像匹配原理分析 | 第83-84页 |
| 5.1.1 图像拼接技术概述 | 第83-84页 |
| 5.1.2 大尺寸零件序列图像匹配本质 | 第84页 |
| 5.2 基于链码跟踪的序列图像旋转偏差消除算法 | 第84-92页 |
| 5.2.1 传统Hough变换提取直线的原理 | 第85页 |
| 5.2.2 基于链码跟踪的消除序列图像旋转偏差的原理 | 第85-87页 |
| 5.2.3 消除序列图像旋转偏差的流程与步骤 | 第87-90页 |
| 5.2.4 倾斜量块的旋转校正对比实验 | 第90-92页 |
| 5.3 消除图像平移偏差的三种模板匹配改进算法 | 第92-105页 |
| 5.3.1 基于图像灰度值的模板匹配经典算法 | 第92-95页 |
| 5.3.2 基于线性平行纹理的模板匹配改进算法 | 第95-99页 |
| 5.3.2.1 基于线性平行纹理的改进模板匹配原理与算法 | 第95-98页 |
| 5.3.2.2 基于线性平行纹理的模板匹配法与CC法对比实验 | 第98-99页 |
| 5.3.3 基于相邻像素灰度差的模板匹配法 | 第99-102页 |
| 5.3.4 零件外添加人工标志的模板匹配改进算法 | 第102-105页 |
| 5.3.4.1 人工标志的设计 | 第102-103页 |
| 5.3.4.2 人工标志的匹配流程 | 第103-105页 |
| 5.4 本章小结 | 第105-107页 |
| 第六章 大尺寸零件在线测量实验设计与验证 | 第107-120页 |
| 6.1 大尺寸零件在线视觉测量实验设计 | 第107-108页 |
| 6.2 大尺寸零件在线视觉测量实验验证 | 第108-118页 |
| 6.2.1 钢尺的匹配测量实验 | 第108-111页 |
| 6.2.2 大尺寸量块的测量实验 | 第111-114页 |
| 6.2.3 添加人工标志的大尺寸量块的测量实验 | 第114-118页 |
| 6.3 视觉测量误差成因分析与对策 | 第118-119页 |
| 6.4 本章小结 | 第119-120页 |
| 第七章 总结与展望 | 第120-122页 |
| 7.1 本文的研究内容与成果总结 | 第120-121页 |
| 7.2 后续研究工作展望 | 第121-122页 |
| 致谢 | 第122-123页 |
| 参考文献 | 第123-131页 |
| 攻读博士学位期间发表的论文 | 第131页 |
| 攻读博士学位期间取得的其它学术成果 | 第131页 |
| 攻读博士学位期间参加的科研项目 | 第131页 |
