| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 注释表 | 第11-12页 |
| 第一章 绪论 | 第12-19页 |
| 1.1 研究背景和意义 | 第12-14页 |
| 1.1.1 电能表检定技术研究现状 | 第12-13页 |
| 1.1.2 电能表挂载状态检测与精确定位技术研究现状 | 第13页 |
| 1.1.3 本文的研究意义 | 第13-14页 |
| 1.2 机器视觉概述 | 第14-16页 |
| 1.2.1 机器视觉的发展 | 第14页 |
| 1.2.2 机器视觉系统构成 | 第14-15页 |
| 1.2.3 机器视觉的优势及面临的问题 | 第15-16页 |
| 1.3 基于机器视觉的模式识别技术研究现状 | 第16页 |
| 1.4 立体视觉技术的研究内容及现状 | 第16-17页 |
| 1.5 课题来源与研究内容 | 第17-19页 |
| 第二章 基于机器视觉的电能表挂载状态检测与精确定位系统研究 | 第19-35页 |
| 2.1 电能表自动化检定系统 | 第19-23页 |
| 2.1.1 柔性化生产调度控制策略 | 第19-20页 |
| 2.1.2 自动化检测技术方案 | 第20-23页 |
| 2.2 基于机器视觉的电能表挂载状态检测与精确定位系统总体设计 | 第23-26页 |
| 2.2.1 视觉系统选择 | 第23-24页 |
| 2.2.2 视觉系统搭建 | 第24-25页 |
| 2.2.3 摄像机及镜头选择 | 第25-26页 |
| 2.3 视觉系统的标定 | 第26-33页 |
| 2.3.1 摄像机标定 | 第26-30页 |
| 2.3.2 手眼标定 | 第30-32页 |
| 2.3.3 标定实验 | 第32-33页 |
| 2.3.4 标定实验结果分析 | 第33页 |
| 2.4 本章小结 | 第33-35页 |
| 第三章 多表位电能表挂载状态检测方法研究 | 第35-50页 |
| 3.1 图像预处理 | 第36-39页 |
| 3.1.1 图像滤波 | 第36-38页 |
| 3.1.2 图像增强 | 第38-39页 |
| 3.2 透视变换矩阵估计 | 第39-45页 |
| 3.2.1 特征点的提取与匹配 | 第40-43页 |
| 3.2.2 透视变换矩阵估计 | 第43-45页 |
| 3.3 电能表挂载状态检测 | 第45-49页 |
| 3.3.1 基于KPCA的特征降维 | 第45-47页 |
| 3.3.2 基于PNN的电能表挂载状态检测 | 第47-49页 |
| 3.4 本章小结 | 第49-50页 |
| 第四章 电能表精确定位方法研究 | 第50-60页 |
| 4.1 电能表液晶屏角点提取 | 第50-56页 |
| 4.2 三角测量原理 | 第56-58页 |
| 4.3 电能表位姿计算 | 第58-59页 |
| 4.3.1 电能表液晶屏角点三维坐标的计算 | 第58-59页 |
| 4.3.2 电能表位姿计算 | 第59页 |
| 4.4 本章小结 | 第59-60页 |
| 第五章 电能表挂载状态检测与精确定位系统开发与应用 | 第60-68页 |
| 5.1 基于机器视觉的电能表挂载状态检测与精确定位系统设计 | 第60-63页 |
| 5.2 多表位电能表挂载状态检测实例 | 第63-65页 |
| 5.3 电能表精确定位实例 | 第65-67页 |
| 5.4 本章小结 | 第67-68页 |
| 第六章 总结与展望 | 第68-70页 |
| 6.1 总结 | 第68页 |
| 6.2 展望 | 第68-70页 |
| 参考文献 | 第70-73页 |
| 致谢 | 第73-74页 |
| 在学期间的研究成果及发表的学术论文 | 第74页 |
