基于结构光的仓容检测系统的点云图像处理方法
| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 第一章 绪论 | 第11-17页 |
| 1.1 研究背景及意义 | 第11页 |
| 1.2 三维重构与计算机视觉 | 第11-13页 |
| 1.2.1 计算机视觉概述 | 第11-12页 |
| 1.2.2 计算机视觉在三维重构中的应用 | 第12-13页 |
| 1.3 基于结构光的测量技术的国内外现状 | 第13-14页 |
| 1.4 课题的主要工作和论文结构 | 第14-17页 |
| 1.4.1 课题的主要工作 | 第14页 |
| 1.4.2 论文结构 | 第14-17页 |
| 第二章 基于结构光的仓容检测系统的图像方案设计 | 第17-31页 |
| 2.1 三维重构原理和结构光技术方案 | 第17-20页 |
| 2.1.1 三维重构技术的原理和分类 | 第17-18页 |
| 2.1.2 基于结构光的计算机视觉方案 | 第18-20页 |
| 2.2 硬件系统方案设计 | 第20-26页 |
| 2.2.1 相机的选型 | 第20-23页 |
| 2.2.2 图像采集卡的选型 | 第23-25页 |
| 2.2.3 镜头的选型 | 第25-26页 |
| 2.3 线阵相机的标定 | 第26-30页 |
| 2.3.1 标定原理与线阵相机常用标定方法 | 第26-27页 |
| 2.3.2 基于空间解析几何相机标定方法 | 第27-29页 |
| 2.3.3 相机参数的标定 | 第29-30页 |
| 2.4 本章小结 | 第30-31页 |
| 第三章 基于FPGA的结构光图像预处理 | 第31-45页 |
| 3.1 结构光图像预处理 | 第31-35页 |
| 3.1.1 图像增强基本方法 | 第31-32页 |
| 3.1.2 结构光图像预处理方法 | 第32-35页 |
| 3.2 基于FPGA结构光图像算法的设计 | 第35-43页 |
| 3.2.1 实时图像处理方案设计 | 第35-36页 |
| 3.2.2 基于FPGA的结构光图像算法实现 | 第36-43页 |
| 3.3 本章小结 | 第43-45页 |
| 第四章 基于结构光的点云图像处理方法 | 第45-69页 |
| 4.1 结构光图像分割 | 第45-50页 |
| 4.1.1 图像分割原理 | 第45页 |
| 4.1.2 基于边缘检测的图像分割算法 | 第45-48页 |
| 4.1.3 基于GPU异构计算的阈值分割算法设计 | 第48-50页 |
| 4.2 结构光中心提取算法应用分析 | 第50-58页 |
| 4.3 GPU对结构光图像处理算法的加速 | 第58-68页 |
| 4.3.1 基于GPU的图像处理算法设计 | 第59-62页 |
| 4.3.2 GPU对结构光图像处理的加速 | 第62-63页 |
| 4.3.3 三维坐标解算 | 第63-68页 |
| 4.4 本章小结 | 第68-69页 |
| 第五章 仓容检测系统软件设计 | 第69-79页 |
| 5.1 软件需求分析 | 第69-70页 |
| 5.2 软件设计流程图 | 第70-71页 |
| 5.3 仓容检测软件开发及测试 | 第71-78页 |
| 5.3.1 开发环境介绍 | 第71-72页 |
| 5.3.2 软件功能设计 | 第72-75页 |
| 5.3.3 软件功能测试 | 第75-78页 |
| 5.4 本章小结 | 第78-79页 |
| 第六章 总结与展望 | 第79-81页 |
| 6.1 总结 | 第79页 |
| 6.2 展望 | 第79-81页 |
| 参考文献 | 第81-85页 |
| 致谢 | 第85页 |
