机器视觉技术在铁路货车闸瓦检测中的应用研究
| 摘要 | 第1-7页 |
| Abstract | 第7-11页 |
| 第一章 绪论 | 第11-17页 |
| ·机器视觉的原理、应用和前景 | 第11-13页 |
| ·机器视觉的原理 | 第11-12页 |
| ·机器视觉技术的应用及前景 | 第12-13页 |
| ·本文研究的背景和主要内容 | 第13-16页 |
| ·研究背景 | 第13-15页 |
| ·本文研究主要内容 | 第15-16页 |
| ·小结 | 第16-17页 |
| 第二章 闸瓦检测系统 | 第17-30页 |
| ·图像采集单元 | 第18-22页 |
| ·照明系统 | 第19-20页 |
| ·镜头 | 第20-21页 |
| ·CCD | 第21页 |
| ·图像采集卡 | 第21-22页 |
| ·图像处理单元 | 第22-23页 |
| ·系统标定 | 第23-30页 |
| ·摄像机成像模型 | 第23-26页 |
| ·系统采用的标定方法 | 第26-30页 |
| 第三章 闸瓦图像预处理 | 第30-47页 |
| ·图像剪切 | 第30-35页 |
| ·图像阈值分割 | 第30-33页 |
| ·定位闸瓦区域 | 第33-35页 |
| ·图像滤波增强 | 第35-39页 |
| ·维纳滤波复原 | 第36-38页 |
| ·形态学处理 | 第38-39页 |
| ·边缘提取 | 第39-47页 |
| ·常用边缘检测算子 | 第40-42页 |
| ·Canny算子边缘检测 | 第42-45页 |
| ·边缘检测结果与分析 | 第45-47页 |
| 第四章 闸瓦识别 | 第47-60页 |
| ·模式识别概述 | 第47-52页 |
| ·几种典型的形状特征 | 第47-51页 |
| ·特征选取 | 第51-52页 |
| ·闸瓦图像对比分析 | 第52-55页 |
| ·对比采集到的闸瓦图像 | 第52-53页 |
| ·提取客车闸瓦边缘 | 第53-55页 |
| ·铁路货车闸瓦图像识别 | 第55-60页 |
| ·截枝算法 | 第55-56页 |
| ·闸瓦识别 | 第56-60页 |
| 第五章 闸瓦测量和分析 | 第60-65页 |
| ·闸瓦厚度测量 | 第60-63页 |
| ·曲线拟合 | 第60-61页 |
| ·厚度测量 | 第61-62页 |
| ·重复性检测 | 第62-63页 |
| ·测量误差分析 | 第63-65页 |
| ·硬件平台方面 | 第63-64页 |
| ·软件处理方面 | 第64-65页 |
| 总结与展望 | 第65-67页 |
| 工作总结 | 第65-66页 |
| 未来研究工作展望 | 第66-67页 |
| 致谢 | 第67-68页 |
| 参考文献 | 第68-72页 |
| 攻读硕士学位期间发表的论文及科研成果 | 第72页 |
