嵌入式道岔缺口检测系统的优化
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第10-18页 |
| 1.1 课题的研究背景 | 第10-15页 |
| 1.2 课题的研究内容和意义 | 第15-16页 |
| 1.3 论文的主要结构和章节安排 | 第16-18页 |
| 第2章 摄像机模型和图像畸变校正的研究分析 | 第18-30页 |
| 2.1 引言 | 第18页 |
| 2.2 摄像机模型 | 第18-25页 |
| 2.2.1 摄像机坐标系、图像坐标系和世界坐标系 | 第18-20页 |
| 2.2.2 线性相机模型 | 第20-21页 |
| 2.2.3 摄像机标定的计算过程 | 第21-22页 |
| 2.2.4 非线性摄像机模型 | 第22-24页 |
| 2.2.5 摄像机畸变参数 | 第24-25页 |
| 2.3 图像畸变校正的研究分析 | 第25-28页 |
| 2.3.1 国外研究现状 | 第25-26页 |
| 2.3.2 国内研究现状 | 第26-28页 |
| 2.4 本章小结 | 第28-30页 |
| 第3章 道岔缺口图像的畸变校正 | 第30-46页 |
| 3.1 引言 | 第30页 |
| 3.2 缺口图像径向畸变校正 | 第30-35页 |
| 3.2.1 径向畸变校正算法选择 | 第30-31页 |
| 3.2.2 基于弧面映射的径向畸变校正模型原理 | 第31-33页 |
| 3.2.3 基于弧面映射的径向畸变校正算法的设计 | 第33-35页 |
| 3.3 缺口图像梯形畸变校正 | 第35-39页 |
| 3.3.1 梯形畸变模型描述 | 第35-36页 |
| 3.3.2 梯形畸变校正方法 | 第36-38页 |
| 3.3.3 梯形畸变校正方法的改进 | 第38-39页 |
| 3.4 图像畸变校正在道岔缺口监测系统上的实现 | 第39-41页 |
| 3.5 实验结果与分析 | 第41-45页 |
| 3.5.1 径向畸变校正结果及其分析 | 第42-44页 |
| 3.5.2 梯形畸变校正结果及其分析 | 第44-45页 |
| 3.6 本章小结 | 第45-46页 |
| 第4章 光污染条件下缺口图像的有效识别 | 第46-68页 |
| 4.1 引言 | 第46-47页 |
| 4.2 光污染下ZD6型缺口图像的有效识别 | 第47-56页 |
| 4.2.1 光污染下ZD6型缺口图像识别原理 | 第48-49页 |
| 4.2.2 图像二值化处理 | 第49-50页 |
| 4.2.3 基准线检测 | 第50-53页 |
| 4.2.4 左右缺口线分界线检测 | 第53-55页 |
| 4.2.5 左右缺口线检测 | 第55-56页 |
| 4.3 光污染下S700K型缺口图像的有效识别 | 第56-63页 |
| 4.3.1 S700K型缺口图像识别原理 | 第57-59页 |
| 4.3.2 基准线的检测 | 第59-61页 |
| 4.3.3 缺口线的检测 | 第61-63页 |
| 4.4 图像检测结果及分析 | 第63-66页 |
| 4.4.1 ZD6型图像识别测试结果 | 第63-64页 |
| 4.4.2 S700K型图像识别测试结果 | 第64-65页 |
| 4.4.3 实验结果分析 | 第65-66页 |
| 4.5 本章小结 | 第66-68页 |
| 第5章 道岔缺口监测系统的心跳交互机制设计 | 第68-74页 |
| 5.1 引言 | 第68页 |
| 5.2 心跳交互机制 | 第68-71页 |
| 5.2.1 心跳交互机制的定义 | 第68-69页 |
| 5.2.2 心跳交互机制的检测方法 | 第69-71页 |
| 5.3 道岔缺口监测系统的心跳交互机制设计 | 第71-73页 |
| 5.3.1 缺口监测系统心跳交互机制设计原理 | 第71-72页 |
| 5.3.2 道岔缺口监测系统心跳交互机制的实现 | 第72-73页 |
| 5.4 本章小结 | 第73-74页 |
| 第6章 总结与展望 | 第74-76页 |
| 6.1 本文研究总结 | 第74-75页 |
| 6.2 研究展望 | 第75-76页 |
| 参考文献 | 第76-80页 |
| 攻读学位期间的研究成果 | 第80-82页 |
| 致谢 | 第82页 |
