基于计算机视觉的物流塔货位定位方法研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第1章 绪论 | 第11-18页 |
| 1.1 研究的背景和意义 | 第11-14页 |
| 1.1.1 研究的背景 | 第11-12页 |
| 1.1.2 研究的意义 | 第12-14页 |
| 1.2 国内外的研究现状 | 第14-16页 |
| 1.2.1 国内外自动化仓库总体发展现状 | 第14-15页 |
| 1.2.2 我国自动化仓库的研究现状 | 第15-16页 |
| 1.3 本文研究内容和工作安排 | 第16-18页 |
| 第2章 定位技术 | 第18-26页 |
| 2.1 技术背景 | 第18-21页 |
| 2.1.1 总体方案 | 第18-19页 |
| 2.1.2 工作原理 | 第19-21页 |
| 2.2 定位技术 | 第21-25页 |
| 2.2.1 RFID技术 | 第21-23页 |
| 2.2.2 无线网络技术 | 第23-25页 |
| 2.3 本章小结 | 第25-26页 |
| 第3章 边缘提取和摄像头标定 | 第26-51页 |
| 3.1 图像预处理 | 第26-31页 |
| 3.1.1 图像灰度化 | 第26-27页 |
| 3.1.2 图像去噪 | 第27-31页 |
| 3.2 边缘提取 | 第31-40页 |
| 3.2.1 传统的Canny边缘检测 | 第31-37页 |
| 3.2.2 传统Canny算法性能分析 | 第37-38页 |
| 3.2.3 轮廓提取 | 第38-40页 |
| 3.3 货位定位 | 第40-49页 |
| 3.3.1 传统的摄像头标定技术 | 第41-45页 |
| 3.3.2 线性模型摄像头标定 | 第45-47页 |
| 3.3.3 非线性模型摄像头标定 | 第47页 |
| 3.3.4 摄像头标定常用的方法 | 第47-49页 |
| 3.4 本章小结 | 第49-51页 |
| 第4章 货位定位 | 第51-62页 |
| 4.1 Canny边缘检测的改进 | 第51-55页 |
| 4.1.1 暗原色先验 | 第51-52页 |
| 4.1.2 去雾霾的处理过程 | 第52-53页 |
| 4.1.3 去雾霾的Canny自适应阈值边缘检测 | 第53-55页 |
| 4.2 畸变标定模型 | 第55-61页 |
| 4.2.1 畸变分离的摄像机模型 | 第55-56页 |
| 4.2.2 畸变校正 | 第56-57页 |
| 4.2.3 二阶畸变的非线性标定方法 | 第57-61页 |
| 4.3 本章小结 | 第61-62页 |
| 第5章 实验结果和分析 | 第62-67页 |
| 5.1 边缘检测 | 第62-65页 |
| 5.2 货架定位 | 第65-67页 |
| 第6章 总结与展望 | 第67-69页 |
| 6.1 总结 | 第67-68页 |
| 6.2 展望 | 第68-69页 |
| 致谢 | 第69-70页 |
| 参考文献 | 第70-73页 |
