| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第1章 绪论 | 第10-15页 |
| 1.1 课题背景和研究意义 | 第10-11页 |
| 1.2 三维检测技术研究现状 | 第11-13页 |
| 1.2.1 国外三维检测研究现状 | 第11-12页 |
| 1.2.2 国内三维检测研究现状 | 第12-13页 |
| 1.3 光学测量技术的应用现状 | 第13页 |
| 1.4 本文主要研究内容 | 第13-15页 |
| 第2章 激光三维气瓶扫描系统结构 | 第15-21页 |
| 2.1 激光扫描检测系统原理 | 第15-16页 |
| 2.2 激光扫描检测系统硬件 | 第16-18页 |
| 2.3 激光扫描检测系统软件 | 第18-20页 |
| 2.4 本章小结 | 第20-21页 |
| 第3章 光条信息提取和三维重建 | 第21-40页 |
| 3.1 图像信息提取 | 第21-31页 |
| 3.1.1 图像高斯滤波 | 第22-24页 |
| 3.1.2 图像阈值分割 | 第24-26页 |
| 3.1.3 结构光条提取 | 第26-28页 |
| 3.1.4 光条中心提取 | 第28-31页 |
| 3.2 三维重建 | 第31-39页 |
| 3.2.1 摄像机成像模型 | 第31-33页 |
| 3.2.2 内参数的求解 | 第33-35页 |
| 3.2.3 坐标系统一 | 第35-37页 |
| 3.2.4 目标点的三维还原 | 第37-39页 |
| 3.3 本章小结 | 第39-40页 |
| 第4章 气瓶表面缺陷检测 | 第40-61页 |
| 4.1 点云数据滤波 | 第40-54页 |
| 4.1.1 噪声点分析 | 第40-42页 |
| 4.1.2 最小二乘法圆拟合去噪 | 第42-46页 |
| 4.1.3 轮廓多边形法去噪 | 第46-52页 |
| 4.1.4 基于Statistical Outlier Removal滤波器去噪 | 第52-54页 |
| 4.2 气瓶表面数据缺陷检测 | 第54-60页 |
| 4.2.1 凹陷尺寸检测方法 | 第54-55页 |
| 4.2.2 拟合圆位置的确定 | 第55-58页 |
| 4.2.3 凹陷位置的提取 | 第58-60页 |
| 4.3 本章小结 | 第60-61页 |
| 第5章 缺失点云数据的填充 | 第61-73页 |
| 5.1 样条插值处理 | 第61-67页 |
| 5.1.1 三次样条插值 | 第61-64页 |
| 5.1.2 点云数据三次样条插值处理 | 第64-67页 |
| 5.2 BP神经网络曲面拟合 | 第67-72页 |
| 5.2.1 BP神经网络结构 | 第67页 |
| 5.2.2 BP神经网络模型建立 | 第67-70页 |
| 5.2.3 三维点云数据的BP神经网络拟合 | 第70-72页 |
| 5.3 本章小结 | 第72-73页 |
| 第6章 总结和展望 | 第73-75页 |
| 参考文献 | 第75-78页 |
| 致谢 | 第78页 |