基于彩色结构光的三维立体视觉方法研究
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-11页 |
| 第一章 绪论 | 第11-19页 |
| 引言 | 第11页 |
| ·三维测量技术概述 | 第11-13页 |
| ·接触式测量 | 第12-13页 |
| ·非接触式测量 | 第13页 |
| ·结构光三维视觉检测方法 | 第13-15页 |
| ·结构光测量方法概述 | 第14页 |
| ·结构光测量方法分类 | 第14-15页 |
| ·结构光三维测量技术研究现状 | 第15-16页 |
| ·课题来源及研究内容 | 第16-17页 |
| ·本文的工作和论文结构 | 第17-19页 |
| ·工作内容 | 第17-18页 |
| ·论文结构 | 第18-19页 |
| 第二章 结构光测量系统标定与三维重建原理 | 第19-27页 |
| ·结构光视觉系统组成 | 第19-20页 |
| ·结构光视觉系统三维重建原理 | 第20-22页 |
| ·摄像机成像模型 | 第20-21页 |
| ·投影机投影模型 | 第21页 |
| ·物体三维重建原理 | 第21-22页 |
| ·摄像机模型标定 | 第22-26页 |
| ·摄像机成像原理 | 第22-23页 |
| ·线性标定方法 | 第23-24页 |
| ·非线性定标方法 | 第24-25页 |
| ·基于神经网络的建模方法 | 第25-26页 |
| ·本章小结 | 第26-27页 |
| 第三章 基于神经网络的视觉检测模型及硬件系统设计 | 第27-37页 |
| ·结构光视觉检测的神经网络模型 | 第27-31页 |
| ·人工神经元模型 | 第27页 |
| ·人工神经网络概述 | 第27-28页 |
| ·RBF神经网络概述 | 第28-30页 |
| ·视觉检测的RBF神经网络模型 | 第30-31页 |
| ·硬件系统设计 | 第31-36页 |
| ·系统核心硬件性能指标 | 第32-33页 |
| ·特征模板的设计 | 第33页 |
| ·固定装置的设计 | 第33-35页 |
| ·成像系统装置结构设计 | 第35-36页 |
| ·本章小结 | 第36-37页 |
| 第四章 标定数据获取方法及结构光图像边缘特征提取 | 第37-53页 |
| ·标定数据获取方法 | 第37-41页 |
| ·标定数据采集范围 | 第37-38页 |
| ·标定数据获取方案的确定 | 第38-40页 |
| ·标定数据提取的原理 | 第40-41页 |
| ·结构光图像边缘提取算法 | 第41-44页 |
| ·图像预处理 | 第41-42页 |
| ·不同边缘检测算法的原理 | 第42-44页 |
| ·结构光调制图像中边缘提取的实现 | 第44-52页 |
| ·待处理图像的直方图分析 | 第45-46页 |
| ·光条边缘位置提取的实现流程 | 第46-52页 |
| ·本章小结 | 第52-53页 |
| 第五章 特征模板图像的提取算法及程序实现 | 第53-64页 |
| ·MATLAB实现的优势与劣势 | 第53-54页 |
| ·中心对称目标的定位算法 | 第54-55页 |
| ·模板图像中标定圆重心提取的实现 | 第55-63页 |
| ·程序的实现流程 | 第56-58页 |
| ·程序模块的具体实现 | 第58-63页 |
| ·本章小结 | 第63-64页 |
| 第六章 神经网络视觉模型的验证与误差分析 | 第64-75页 |
| ·通过数据处理获取样本数据 | 第64-66页 |
| ·神经网络视觉检测模型的验证 | 第66-72页 |
| ·RBF神经网络的学习方法 | 第66-67页 |
| ·构建RBF视觉检测模型 | 第67-68页 |
| ·RBF网络的训练与测试 | 第68-71页 |
| ·实验结果分析 | 第71-72页 |
| ·误差分析 | 第72-74页 |
| ·机械系统引起的误差 | 第72-73页 |
| ·图像采集及处理过程中产生的误差 | 第73-74页 |
| ·本章小结 | 第74-75页 |
| 总结 | 第75-76页 |
| 参考文献 | 第76-79页 |
| 致谢 | 第79-80页 |
| 作者攻读硕士学位期间参与的科研项目与发表的论文 | 第80页 |
