计算机视觉测量结构件尺寸技术
| 摘要 | 第5-8页 |
| Abstract | 第8-11页 |
| 第1章 绪论 | 第15-27页 |
| 1.1 计算机视觉技术 | 第15-17页 |
| 1.1.1 计算机视觉的起源 | 第15页 |
| 1.1.2 计算机视觉检测的应用 | 第15-17页 |
| 1.2 计算机视觉测量 | 第17-23页 |
| 1.2.1 计算机视觉测量系统的组成 | 第17-20页 |
| 1.2.2 机器视觉测量技术的研究现状 | 第20-23页 |
| 1.3 双目立体视觉测量的研究现状 | 第23-25页 |
| 1.4 本文研究内容与组织结构 | 第25-27页 |
| 第2章 图像特征提取 | 第27-49页 |
| 2.1 图像边缘的检测 | 第27-37页 |
| 2.1.1 整像素精度边缘检测算法 | 第27-29页 |
| 2.1.2 亚像素边缘检测算法 | 第29-35页 |
| 2.1.3 亚像素边缘检测算法精度分析 | 第35-37页 |
| 2.2 特征点的亚像素定位技术研究 | 第37-48页 |
| 2.2.1 整像素精度角点检测算法 | 第37-44页 |
| 2.2.2 亚像素角点检测算法 | 第44-47页 |
| 2.2.3 亚像素角点检测实验比较 | 第47-48页 |
| 2.3 本章小结 | 第48-49页 |
| 第3章 CCD 摄像机成像模型及标定 | 第49-69页 |
| 3.1 CCD 摄像机成像模型 | 第49-52页 |
| 3.2 摄像机标定算法 | 第52-56页 |
| 3.2.1 Tsai 摄像机标定法 | 第52页 |
| 3.2.2 Weng 摄像机标定法 | 第52-53页 |
| 3.2.3 基于平面模板的摄像机标定法 | 第53-56页 |
| 3.3 基于Tsai 的改进摄像机标定法 | 第56-67页 |
| 3.3.1 改进法的原理 | 第56-58页 |
| 3.3.2 摄像机标定实验 | 第58-61页 |
| 3.3.3 标定精度分析 | 第61-67页 |
| 3.4 本章小结 | 第67-69页 |
| 第4章 立体视觉与基本矩阵 | 第69-87页 |
| 4.1 双目立体视觉标定 | 第69-73页 |
| 4.1.1 对极几何约束 | 第69-71页 |
| 4.1.2 基本矩阵 | 第71-72页 |
| 4.1.3 本质矩阵 | 第72-73页 |
| 4.2 基本矩阵的估算方法 | 第73-78页 |
| 4.2.1 线性方法 | 第73-75页 |
| 4.2.2 迭代方法 | 第75-76页 |
| 4.2.3 鲁棒方法 | 第76-78页 |
| 4.3 本文所用算法 | 第78-80页 |
| 4.4 基本矩阵实验 | 第80-85页 |
| 4.4.1 实验设备与实验步骤 | 第81-82页 |
| 4.4.2 实验结果分析 | 第82-85页 |
| 4.5 本章小结 | 第85-87页 |
| 第5章 双目视觉的结构件尺寸测量 | 第87-105页 |
| 5.1 双目立体视觉测量结构件尺寸的模型 | 第87-90页 |
| 5.2 基于双目立体视觉的空间尺寸测量 | 第90-97页 |
| 5.3 实验结果 | 第97页 |
| 5.4 汽车发动机凸轮轴凸轮间距的测量 | 第97-103页 |
| 5.4.1 测量原理及步骤 | 第98-102页 |
| 5.4.2 测量结果 | 第102-103页 |
| 5.5 本章小结 | 第103-105页 |
| 第6章 结论与展望 | 第105-107页 |
| 6.1 结论 | 第105页 |
| 6.2 不足和展望 | 第105-107页 |
| 参考文献 | 第107-113页 |
| 攻读博士学位期间发表的论文 | 第113-115页 |
| 致谢 | 第115页 |
