基于机器视觉的眼镜镜片轮廓提取系统
| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 1 绪论 | 第9-16页 |
| 1.1 课题背景及意义 | 第9-10页 |
| 1.2 机器视觉的发展历程和现状 | 第10-14页 |
| 1.3 嵌入式系统 | 第14-15页 |
| 1.4 本文的研究内容 | 第15-16页 |
| 2 单目机器视觉系统 | 第16-23页 |
| 2.1 单目机器视觉系统的构成 | 第16-20页 |
| 2.1.1 照明 | 第16-17页 |
| 2.1.2 镜头 | 第17-19页 |
| 2.1.3 摄像机 | 第19-20页 |
| 2.2 单目视觉系统成像原理 | 第20-23页 |
| 3 轮廓提取系统硬件设计 | 第23-34页 |
| 3.1 嵌入式系统 | 第23-26页 |
| 3.1.1 ARM简介 | 第23-25页 |
| 3.1.2 嵌入式开发环境 | 第25-26页 |
| 3.2 轮廓提取系统总体设计 | 第26-30页 |
| 3.2.1 轮廓提取系统总体结构 | 第26-28页 |
| 3.2.2 轮廓提取系统软件开发 | 第28-30页 |
| 3.3 轮廓提取系统硬件设计 | 第30-34页 |
| 4 轮廓提取系统的算法研究 | 第34-44页 |
| 4.1 图像二值化 | 第34-37页 |
| 4.2 轮廓检测 | 第37-44页 |
| 4.2.1 边缘检测常用方法 | 第37-40页 |
| 4.2.2 八领域轮廓跟踪算法 | 第40-44页 |
| 5 摄像机标定原理与算法的研究 | 第44-71页 |
| 5.1 摄像机模型与镜头畸变 | 第44-49页 |
| 5.1.1 摄像机成像几何模型 | 第44-46页 |
| 5.1.2 摄像机镜头的畸变 | 第46-49页 |
| 5.2 摄像机标定技术的研究现状 | 第49-54页 |
| 5.2.1 直接线性变换法 | 第49-51页 |
| 5.2.2 两步法 | 第51-53页 |
| 5.2.3 摄像机自标定法 | 第53-54页 |
| 5.3 基于两步法的摄像机标定方法 | 第54-61页 |
| 5.3.1 摄像机模型 | 第55-56页 |
| 5.3.2 标定过程 | 第56-58页 |
| 5.3.3 标定算法 | 第58-60页 |
| 5.3.4 结论 | 第60-61页 |
| 5.4 基于正方形标定板的摄像机标定方法 | 第61-71页 |
| 5.4.1 校正原理 | 第62-63页 |
| 5.4.2 求对称中心坐标 | 第63-65页 |
| 5.4.3 求径向畸变系数、纵横比 | 第65页 |
| 5.4.4 求R、T、f | 第65-67页 |
| 5.4.5 实验结果 | 第67-69页 |
| 5.4.6 结论 | 第69-71页 |
| 6 总结和展望 | 第71-73页 |
| 6.1 工作总结 | 第71-72页 |
| 6.2 展望 | 第72-73页 |
| 参考文献 | 第73-78页 |
| 攻读硕士期间发表的论文及所取得的研究成果 | 第78-79页 |
| 致谢 | 第79-80页 |
