基于机器视觉工件尺寸测量方法研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-14页 |
| 1.1 课题研究背景和意义 | 第9-10页 |
| 1.2 机器视觉测量技术国内外研究现状 | 第10-12页 |
| 1.2.1 国外研究现状 | 第10-11页 |
| 1.2.2 国内研究现状 | 第11-12页 |
| 1.3 本文主要研究内容 | 第12-14页 |
| 第2章 工件图像预处理算法研究 | 第14-31页 |
| 2.1 工件图像滤波算法研究 | 第14-26页 |
| 2.1.1 工件图像噪声的来源 | 第14-15页 |
| 2.1.2 工件图像滤波算法的选择 | 第15-22页 |
| 2.1.3 自适应中值滤波算法 | 第22-24页 |
| 2.1.4 滤波算法实验及结果分析 | 第24-26页 |
| 2.2 基于形态学光照归一化算法研究 | 第26-30页 |
| 2.2.1 常规形态学光照归一化算法 | 第26-27页 |
| 2.2.2 改进形态学光照归一化算法 | 第27-28页 |
| 2.2.3 光照归一化算法实验及结果分析 | 第28-30页 |
| 2.3 本章小结 | 第30-31页 |
| 第3章 工件图像特征提取算法研究 | 第31-42页 |
| 3.1 工件图像角点检测算法研究 | 第31-35页 |
| 3.1.1 角点检测算法概述 | 第31页 |
| 3.1.2 Harris算法基本原理 | 第31-33页 |
| 3.1.3 角点检测算法实验及结果分析 | 第33-35页 |
| 3.2 工件图像分割算法研究 | 第35-38页 |
| 3.2.1 图像分割算法概述 | 第35-36页 |
| 3.2.2 OTSU阈值分割算法 | 第36-37页 |
| 3.2.3 图像分割算法实验及结果分析 | 第37-38页 |
| 3.3 工件图像轮廓提取算法研究 | 第38-41页 |
| 3.3.1 轮廓提取算法概述 | 第38-39页 |
| 3.3.2 基于Snake模型的轮廓提取算法 | 第39-40页 |
| 3.3.3 轮廓提取算法实验及结果分析 | 第40-41页 |
| 3.4 本章小结 | 第41-42页 |
| 第4章 工件图像曲线拟合算法研究 | 第42-51页 |
| 4.1 曲线拟合算法概述 | 第42页 |
| 4.2 基于Hough变换的圆拟合算法 | 第42-45页 |
| 4.2.1 Hough变换圆拟合算法原理 | 第42-44页 |
| 4.2.2 圆拟合算法实验及结果分析 | 第44-45页 |
| 4.3 基于直接最小二乘椭圆拟合算法 | 第45-50页 |
| 4.3.1 直接最小二乘椭圆拟合算法原理 | 第45-46页 |
| 4.3.2 椭圆中心点坐标的获取 | 第46-48页 |
| 4.3.3 椭圆拟合算法实验及结果分析 | 第48-50页 |
| 4.4 本章小结 | 第50-51页 |
| 第5章 基于机器视觉的工件尺寸测量系统设计 | 第51-63页 |
| 5.1 系统的总体方案设计 | 第51-55页 |
| 5.1.1 系统的硬件选型 | 第51-54页 |
| 5.1.2 系统的软件设计 | 第54-55页 |
| 5.2 工件尺寸测量系统测试 | 第55-60页 |
| 5.2.1 测量系统的标定 | 第55-56页 |
| 5.2.2 测量系统的运行过程 | 第56-60页 |
| 5.3 尺寸测量误差分析 | 第60-62页 |
| 5.4 本章小结 | 第62-63页 |
| 第6章 总结与展望 | 第63-65页 |
| 6.1 主要工作与总结 | 第63-64页 |
| 6.2 下一步工作展望 | 第64-65页 |
| 致谢 | 第65-66页 |
| 参考文献 | 第66-71页 |
| 作者简介 | 第71-72页 |
| 攻读硕士学位期间研究成果 | 第72页 |
