机器视觉在手机屏幕缺陷检测及三维测量中的应用
| 致谢 | 第4-5页 |
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 1 绪论 | 第11-21页 |
| 1.1 课题研究背景与意义 | 第11-13页 |
| 1.2 机器视觉的发展历程与现状 | 第13-14页 |
| 1.3 研究现状 | 第14-17页 |
| 1.3.1 表面缺陷检测技术的现状与发展 | 第14-16页 |
| 1.3.2 三维测量技术的现状与发展 | 第16-17页 |
| 1.4 本文主要工作及内容安排 | 第17-21页 |
| 1.4.1 本文主要工作 | 第17-18页 |
| 1.4.2 本文内容安排 | 第18-21页 |
| 2 机器视觉的图像采集 | 第21-33页 |
| 2.1 摄像机 | 第21-27页 |
| 2.1.1 摄像机的线性与非线性模型 | 第21-26页 |
| 2.1.2 摄像机类别与选择 | 第26-27页 |
| 2.2 镜头 | 第27-29页 |
| 2.3 照明 | 第29-31页 |
| 2.3.1 光源类别 | 第29-30页 |
| 2.3.2 照明方式研究 | 第30-31页 |
| 2.4 本章小结 | 第31-33页 |
| 3 手机屏幕玻璃缺陷检测系统总体设计 | 第33-39页 |
| 3.1 缺陷认识 | 第33-34页 |
| 3.2 方案设计 | 第34-38页 |
| 3.3 本章小结 | 第38-39页 |
| 4 手机屏幕玻璃缺陷检测算法研究 | 第39-63页 |
| 4.1 图像预处理 | 第39-45页 |
| 4.1.1 图像去噪 | 第39-44页 |
| 4.1.2 图像校正 | 第44-45页 |
| 4.2 边缘检测 | 第45-50页 |
| 4.3 手机屏幕缺陷图像分割 | 第50-54页 |
| 4.4 基于模板匹配的图像差分法缺陷检测 | 第54-58页 |
| 4.4.1 模板匹配 | 第54-55页 |
| 4.4.2 高斯金字塔 | 第55-57页 |
| 4.4.3 图像差分 | 第57-58页 |
| 4.4.4 算法测试与应用 | 第58页 |
| 4.5 手机屏幕玻璃缺陷检测系统软件设计与测试 | 第58-61页 |
| 4.5.1 系统软件设计 | 第58-59页 |
| 4.5.2 系统测试与结果分析 | 第59-61页 |
| 4.6 本章小结 | 第61-63页 |
| 5 双目立体视觉三维测量原理 | 第63-77页 |
| 5.1 双目立体视觉模型 | 第63-67页 |
| 5.1.1 平行双目立体视觉模型 | 第63-64页 |
| 5.1.2 一般双目立体视觉模型 | 第64-67页 |
| 5.2 摄像机标定 | 第67-71页 |
| 5.3 对极几何 | 第71-74页 |
| 5.4 三角测量 | 第74-75页 |
| 5.5 本章小结 | 第75-77页 |
| 6 基于相移编码的三维测量系统研究 | 第77-99页 |
| 6.1 基于相移的3D重建 | 第77-78页 |
| 6.2 相位解调 | 第78-81页 |
| 6.3 相位解包 | 第81-82页 |
| 6.4 外差解相 | 第82-85页 |
| 6.4.1 双频外差解相 | 第82-84页 |
| 6.4.2 三频外差 | 第84-85页 |
| 6.5 查表解相 | 第85-90页 |
| 6.5.1 投影序列 | 第85-87页 |
| 6.5.2 查找表原理 | 第87-90页 |
| 6.6 三维测量系统搭建与测试 | 第90-98页 |
| 6.7 本章小结 | 第98-99页 |
| 结束语 | 第99-101页 |
| 总结 | 第99-100页 |
| 展望 | 第100-101页 |
| 参考文献 | 第101-105页 |
| 作者简历 | 第105-107页 |
| 学位论文数据集 | 第107页 |
