基于计算机视觉的铁路棚车门窗开闭状态检测算法研究
| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第10-15页 |
| 1.1 研究的背景和意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.3 本文主要工作及内容安排 | 第14-15页 |
| 第2章 图像预处理及棚车车厢分割 | 第15-31页 |
| 2.1 问题的提出 | 第15-16页 |
| 2.2 实验数据介绍 | 第16-17页 |
| 2.3 性能指标 | 第17页 |
| 2.4 图像预处理 | 第17-21页 |
| 2.4.1 图像滤波处理 | 第17-19页 |
| 2.4.2 图像增强 | 第19-21页 |
| 2.5 车厢分割 | 第21-30页 |
| 2.5.1 基于灰度直方图的阈值分割 | 第22-23页 |
| 2.5.2 基于区域生长法的区域分割 | 第23-25页 |
| 2.5.3 基于车厢结构的边缘分割 | 第25-30页 |
| 2.6 本章小结 | 第30-31页 |
| 第3章 棚车车门开闭状态检测 | 第31-52页 |
| 3.1 棚车开门问题 | 第31-32页 |
| 3.2 棚车车门开闭状态检测方案设计 | 第32-35页 |
| 3.3 直线检测 | 第35-46页 |
| 3.3.1 基于组合形态学处理的直线检测 | 第36-40页 |
| 3.3.2 基于Hough变换的直线检测 | 第40-42页 |
| 3.3.3 基于LSD的直线检测 | 第42-45页 |
| 3.3.4 直线检测方案的选择 | 第45-46页 |
| 3.4 直线聚类和定位车门 | 第46-49页 |
| 3.4.1 基于并查集实现的层次聚类 | 第46-48页 |
| 3.4.2 定位车门 | 第48-49页 |
| 3.5 判断棚车车门开闭状态 | 第49-50页 |
| 3.6 实验结果统计与分析 | 第50-51页 |
| 3.7 本章小结 | 第51-52页 |
| 第4章 棚车车窗开闭状态检测 | 第52-67页 |
| 4.1 棚车开窗问题 | 第52-53页 |
| 4.2 棚车车窗开闭状态检测方案设计 | 第53-54页 |
| 4.3 检测内窗 | 第54-57页 |
| 4.3.1 直线检测 | 第54-56页 |
| 4.3.2 定位内窗 | 第56-57页 |
| 4.4 检测外窗 | 第57-64页 |
| 4.4.1 基于最小二乘法的椭圆检测 | 第57-59页 |
| 4.4.2 基于Hough变换的椭圆检测 | 第59-61页 |
| 4.4.3 基于SVM分类器的椭圆检测 | 第61-64页 |
| 4.5 实验结果统计与分析 | 第64-65页 |
| 4.6 本章小结 | 第65-67页 |
| 第5章 关于铁路货车其它故障检测的探讨 | 第67-73页 |
| 5.1 罐车车盖检测 | 第67-69页 |
| 5.1.1 罐车车盖故障描述 | 第67-68页 |
| 5.1.2 罐车车盖检测方案 | 第68-69页 |
| 5.1.3 罐车车盖检测难点分析 | 第69页 |
| 5.2 敞车车体破损检测 | 第69-72页 |
| 5.2.1 敞车车体破损问题 | 第69-70页 |
| 5.2.2 敞车车体破损检测方案 | 第70-71页 |
| 5.2.3 敞车车体破损检测难点分析 | 第71-72页 |
| 5.3 本章小结 | 第72-73页 |
| 第6章 总结与展望 | 第73-75页 |
| 6.1 主要工作总结 | 第73-74页 |
| 6.2 后续工作展望 | 第74-75页 |
| 致谢 | 第75-76页 |
| 参考文献 | 第76-80页 |
| 作者在攻读硕士学位期间发表的学术论文 | 第80页 |
