微装配中显微视觉关键技术研究
| 摘要 | 第2-3页 |
| Abstract | 第3-4页 |
| 1.绪论 | 第7-16页 |
| 1.1 课题研究背景及意义 | 第7页 |
| 1.2 微装配技术概述 | 第7-10页 |
| 1.3 显微视觉关键技术国内外研究现状 | 第10-14页 |
| 1.3.1 相机标定技术 | 第10-11页 |
| 1.3.2 自动调焦技术 | 第11-13页 |
| 1.3.3 零件识别定位与模型匹配技术 | 第13-14页 |
| 1.4 本文主要内容和结构安排 | 第14-16页 |
| 2.相机标定 | 第16-31页 |
| 2.1 成像模型 | 第16-19页 |
| 2.1.1 针孔相机模型 | 第16-19页 |
| 2.1.2 非线性成像模型 | 第19页 |
| 2.2 相机标定算法 | 第19-25页 |
| 2.2.1 传统的相机标定算法 | 第19-24页 |
| 2.2.2 单视图单应矩阵分解的相机标定算法 | 第24-25页 |
| 2.3 变倍率法标定图像主点 | 第25页 |
| 2.4 量子行为粒子群优化算法的基础理论 | 第25-30页 |
| 2.4.1 粒子群优化算法简介 | 第25-26页 |
| 2.4.2 量子行为粒子群优化算法概述 | 第26-28页 |
| 2.4.3 QPSO算法优化流程 | 第28-30页 |
| 2.5 放大倍数校准 | 第30页 |
| 2.6 本章小结 | 第30-31页 |
| 3.基于图像处理的自动调焦 | 第31-40页 |
| 3.1 常见的图像清晰度评价函数 | 第31-35页 |
| 3.1.1 清晰度空域评价函数 | 第32-33页 |
| 3.1.2 清晰度频域评价函数 | 第33-34页 |
| 3.1.3 清晰度信息熵评价函数 | 第34-35页 |
| 3.2 八邻域最大梯度阈值函数 | 第35-36页 |
| 3.3 调焦搜索算法 | 第36-39页 |
| 3.3.1 常见的调焦搜索算法 | 第36-38页 |
| 3.3.2 变步长爬山搜索法 | 第38-39页 |
| 3.4 本章小结 | 第39-40页 |
| 4.零件特征识别定位与模型匹配 | 第40-54页 |
| 4.1 目标零件识别 | 第40-45页 |
| 4.1.1 图像预处理 | 第40页 |
| 4.1.2 亚像素边缘检测 | 第40-43页 |
| 4.1.3 零件特征边缘识别 | 第43-45页 |
| 4.2 零件特征定位 | 第45-46页 |
| 4.3 模型匹配技术 | 第46-53页 |
| 4.4 本章小结 | 第53-54页 |
| 5.实验及数据分析 | 第54-67页 |
| 5.1 显微视觉系统硬件组成及平台搭建 | 第54-56页 |
| 5.2 相机标定实验 | 第56-60页 |
| 5.2.1 图像主点标定实验 | 第56-57页 |
| 5.2.2 相机参数标定及优化实验 | 第57-59页 |
| 5.2.3 放大倍数校准实验 | 第59-60页 |
| 5.3 自动聚焦实验 | 第60-63页 |
| 5.3.1 抗噪性能对比实验 | 第60-62页 |
| 5.3.2 算法计算效率对比实验 | 第62页 |
| 5.3.3 聚焦定位实验 | 第62-63页 |
| 5.4 识别定位与模型匹配实验 | 第63-66页 |
| 5.4.1 微小零件识别定位 | 第63-64页 |
| 5.4.2 模型匹配实验 | 第64-66页 |
| 5.5 本章小结 | 第66-67页 |
| 结论 | 第67-68页 |
| 参考文献 | 第68-72页 |
| 攻读硕士学位期间发表学术论文情况 | 第72-73页 |
| 致谢 | 第73-75页 |
