基于深度图像的零件识别及装配监测研究
| 摘要 | 第9-11页 |
| Abstract | 第11-12页 |
| 第1章 绪论 | 第14-26页 |
| 1.1 研究背景及意义 | 第14-15页 |
| 1.2 课题研究现状 | 第15-23页 |
| 1.2.1 装配监测研究现状 | 第15页 |
| 1.2.2 零件识别研究现状 | 第15-16页 |
| 1.2.3 深度图像模式识别研究现状 | 第16-18页 |
| 1.2.4 图像特征提取研究现状 | 第18-21页 |
| 1.2.5 分类器研究现状 | 第21-23页 |
| 1.3 论文研究内容及结构安排 | 第23-26页 |
| 第2章 深度图像标记样本库构建 | 第26-34页 |
| 2.1 合成深度图像标记样本库建立 | 第26-29页 |
| 2.2 真实深度图像标记样本库建立 | 第29-33页 |
| 2.2.1 Kinect传感器 | 第29页 |
| 2.2.2 真实深度图像的获取及处理 | 第29-32页 |
| 2.2.3 真实深度图像的标记 | 第32-33页 |
| 2.3 本章小结 | 第33-34页 |
| 第3章 基于PX-LBP特征的像素分类 | 第34-50页 |
| 3.1 PX- LBP特征算子 | 第34-39页 |
| 3.1.1 经典LBP算子 | 第34-36页 |
| 3.1.2 PX-LBP算子 | 第36-39页 |
| 3.2 随机森林分类器 | 第39-42页 |
| 3.2.1 决策树 | 第39-40页 |
| 3.2.2 随机森林分类器 | 第40-42页 |
| 3.3 实验分析 | 第42-48页 |
| 3.3.1 PX-LBP算子参数确定 | 第43-45页 |
| 3.3.2 分类器参数确定 | 第45-47页 |
| 3.3.3 像素分类准确率及识别效率 | 第47-48页 |
| 3.4 本章小结 | 第48-50页 |
| 第4章 基于深度差分特征的像素分类 | 第50-62页 |
| 4.1 深度差分特征 | 第50-54页 |
| 4.1.1 经典深度差分特征 | 第50-52页 |
| 4.1.2 改进深度差分特征 | 第52-53页 |
| 4.1.3 对偏移向量u,v的确定 | 第53-54页 |
| 4.2 实验分析 | 第54-58页 |
| 4.2.1 参数确定 | 第54-57页 |
| 4.2.2 边缘因子的影响 | 第57-58页 |
| 4.3 PX-LBP特征与深度差分特征对比 | 第58-61页 |
| 4.3.1 不同训练图像数量下像素分类准确率对比 | 第58-60页 |
| 4.3.2 训练集对比及训练时间对比 | 第60页 |
| 4.3.3 像素分类准确率对比 | 第60-61页 |
| 4.3.4 像素分类效率对比 | 第61页 |
| 4.4 本章小结 | 第61-62页 |
| 第5章 零件识别及装配监测实验 | 第62-76页 |
| 5.1 像素预测图像获取 | 第62-64页 |
| 5.2 基于深度图像的零件识别 | 第64-67页 |
| 5.2.1 基于深度图像零件识别的理论分析 | 第64-65页 |
| 5.2.2 基于深度图像零件识别的实验验证 | 第65-67页 |
| 5.3 基于深度图像装配监测 | 第67-75页 |
| 5.3.1 基于深度图像装配监测的理论分析 | 第67-68页 |
| 5.3.2 基于深度图像装配监测的实验验证 | 第68-75页 |
| 5.4 本章小结 | 第75-76页 |
| 第6章 总结与展望 | 第76-80页 |
| 6.1 总结 | 第76-77页 |
| 6.2 展望 | 第77-80页 |
| 参考文献 | 第80-86页 |
| 攻读硕士学位期间发表的学术论文及科研工作 | 第86-88页 |
| 致谢 | 第88页 |
