基于神经网络与机器视觉的焊缝自动识别技术研究与应用
| 摘要 | 第1-8页 |
| ABSTRACT | 第8-9页 |
| 第1章 绪论 | 第9-17页 |
| 1．1 计算机视觉技术 | 第9-11页 |
| 1．1．1 计算机视觉技术简介 | 第9页 |
| 1．1．2 计算机视觉技术的发展 | 第9-10页 |
| 1．1．3 计算机视觉技术的应用 | 第10-11页 |
| 1．2 焊接机器人与计算机视觉技术 | 第11-12页 |
| 1．3 人工神经网络 | 第12-13页 |
| 1．4 论文背景 | 第13-15页 |
| 1．4．1 计算机视觉技术在焊接中的应用现状 | 第13-14页 |
| 1．4．2 立题背景 | 第14-15页 |
| 1．5 本文的主要工作及创新 | 第15-16页 |
| 1．6 论文结构 | 第16-17页 |
| 第2章 机械手总体设计及焊缝自动识别方法 | 第17-28页 |
| 2．1 机械手的结构 | 第17-19页 |
| 2．2 机械手的计算机控制和数据采集 | 第19-21页 |
| 2．2．1 基于工控机的开放式体系结构及设计特点 | 第19-20页 |
| 2．2．2 六轴运动控制卡 | 第20-21页 |
| 2．3 自动焊接和送丝机构 | 第21页 |
| 2．4 系统抗干扰措施 | 第21-22页 |
| 2．5 机械手焊缝识别 | 第22-26页 |
| 2．5．1 传统示教方案 | 第22页 |
| 2．5．2 本文的焊缝自动识别方法 | 第22-26页 |
| 2．6 本章小结 | 第26-28页 |
| 第3章 图像畸变校正 | 第28-43页 |
| 3．1 畸变几何校正研究现状 | 第28-34页 |
| 3．1．1 摄像机成像模型 | 第28-29页 |
| 3．1．2 图像非线性畸变的类型及数学模型 | 第29-31页 |
| 3．1．3 非线性畸变参数的求解 | 第31-34页 |
| 3．2 基于神经网络的畸变校正 | 第34-40页 |
| 3．2．1 BP神经网络 | 第34-36页 |
| 3．2．2 反向传播法的不足与改进方法 | 第36-37页 |
| 3．2．3 畸变校正神经网络的建立 | 第37页 |
| 3．2．4 样本选择 | 第37-38页 |
| 3．2．5 畸变校正网络训练 | 第38页 |
| 3．2．6 畸变校正网络测试 | 第38-40页 |
| 3．3 灰度校正 | 第40-42页 |
| 3．4 本章小结 | 第42-43页 |
| 第4章 图像预处理及焊缝识别 | 第43-56页 |
| 4．1 图像对比度增强 | 第43-44页 |
| 4．2 图像分割处理 | 第44-46页 |
| 4．3 图像边缘检测 | 第46-49页 |
| 4．4 运用改进的Hough变换法提取筋板边缘线 | 第49-55页 |
| 4．4．1 直线提取概述 | 第49-50页 |
| 4．4．2 Hough变换直线检测原理 | 第50页 |
| 4．4．3 Hough变换算法的改进 | 第50-54页 |
| 4．4．4 焊缝平面位置坐标识别 | 第54-55页 |
| 4．5 本章小结 | 第55-56页 |
| 第5章 机械手焊接控制系统的软件实现 | 第56-62页 |
| 5．1 机械手数据库系统 | 第56-57页 |
| 5．2 焊接过程运动控制 | 第57-59页 |
| 5．2．1 PCI--8136M DDA | 第57页 |
| 5．2．2 自动焊接过程 | 第57-59页 |
| 5．3 多线程软件结构 | 第59页 |
| 5．4 控制软件总体架构 | 第59-61页 |
| 5．5 图形用户界面及相关功能 | 第61页 |
| 5．6 本章小结 | 第61-62页 |
| 第6章 实验结果与分析 | 第62-65页 |
| 6．1 传统示教方式的再现精度分析 | 第62-63页 |
| 6．2 焊缝自动识别结果与误差分析 | 第63-64页 |
| 6．3 本章小结 | 第64-65页 |
| 结束语 | 第65-66页 |
| 参考文献 | 第66-69页 |
| 致谢 | 第69-70页 |
| 附录A 攻读学位期间发表的论文及参与的科研项目 | 第70页 |
