复杂结构件几何参数测量方法研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 引言 | 第10-18页 |
| 1.1 课题的背景及研究意义 | 第10-12页 |
| 1.2 计算机视觉与机器视觉 | 第12-13页 |
| 1.3 基于机器视觉检测发展状况和发展趋势 | 第13-16页 |
| 1.3.1 机器视觉检测的发展状况 | 第13-15页 |
| 1.3.2 机器视觉的发展趋势 | 第15-16页 |
| 1.4 本论文结构安排 | 第16-18页 |
| 2 计算机视觉测量基础及实验平台 | 第18-26页 |
| 2.1 针孔成像模型 | 第18-21页 |
| 2.2 实验平台 | 第21-26页 |
| 3 图像去噪方法和边缘提取方法 | 第26-39页 |
| 3.1 图像去噪 | 第26-29页 |
| 3.1.1 图像噪声 | 第26-27页 |
| 3.1.2 图像滤波 | 第27-29页 |
| 3.2 边缘检测 | 第29-33页 |
| 3.2.1 Roberts算子 | 第29-30页 |
| 3.2.2 Sobel算子 | 第30页 |
| 3.2.3 Prewitt算子 | 第30-31页 |
| 3.2.4 Kirsch算子 | 第31页 |
| 3.2.5 LoG算子 | 第31-33页 |
| 3.3 Canny算子及其改进 | 第33-37页 |
| 3.3.1 Canny算子 | 第33-36页 |
| 3.3.2 Canny算子存在不足 | 第36页 |
| 3.3.3 改进的Canny算子 | 第36-37页 |
| 3.4 算法对比 | 第37-39页 |
| 4 全景图像拼接 | 第39-59页 |
| 4.1 图像配准 | 第39-54页 |
| 4.1.1 基于区域的图像配准方法 | 第40页 |
| 4.1.2 基于特征的配准方法 | 第40-46页 |
| 4.1.3 图像配准结果分析 | 第46-50页 |
| 4.1.4 k-d树加速特征点匹配 | 第50-51页 |
| 4.1.5 RANSAC寻找图像之间的变换关系 | 第51-52页 |
| 4.1.6 通过概率方法验证图像之间的匹配关系 | 第52-54页 |
| 4.2 捆绑调整 | 第54-56页 |
| 4.2.1 参考平面选取 | 第54页 |
| 4.2.2 捆绑调整算法 | 第54-55页 |
| 4.2.3 L-M算法实现捆绑调整 | 第55-56页 |
| 4.3 图像融合方法 | 第56-57页 |
| 4.4 全景图像拼接结果 | 第57-59页 |
| 5 工件尺寸检测 | 第59-76页 |
| 5.1 霍夫变换 | 第59-62页 |
| 5.1.1 霍夫变换直线识别算法 | 第59-61页 |
| 5.1.2 霍夫变换圆识别算法 | 第61-62页 |
| 5.2 边缘跟踪 | 第62-65页 |
| 5.3 圆参数检测 | 第65-70页 |
| 5.3.1 最小二乘法检测圆 | 第65-66页 |
| 5.3.2 距离之和最小方法检测圆 | 第66-67页 |
| 5.3.3 最小二乘检测椭圆方法 | 第67-69页 |
| 5.3.4 拟合结果对比 | 第69-70页 |
| 5.4 测量数据及分析 | 第70-76页 |
| 5.4.1 圆直径测量结果对比 | 第70-74页 |
| 5.4.2 圆之间中心距测量结果 | 第74-76页 |
| 6 总结和展望 | 第76-77页 |
| 参考文献 | 第77-81页 |
| 攻读硕士学位期间发表的论文及所取得的研究成果 | 第81-82页 |
| 致谢 | 第82-83页 |
