基于机器视觉的工件尺寸测量系统设计
| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| abstract | 第7-8页 |
| 1 绪论 | 第15-24页 |
| 1.1 课题背景与研究意义 | 第15-16页 |
| 1.1.1 课题背景 | 第15页 |
| 1.1.2 研究的意义 | 第15-16页 |
| 1.2 机器视觉测量技术概述 | 第16-17页 |
| 1.3 机器视觉测量技术国内外研究现状 | 第17-19页 |
| 1.3.1 国内研究现状 | 第17-18页 |
| 1.3.2 国外研究现状 | 第18-19页 |
| 1.4 研究思路与技术路线 | 第19-21页 |
| 1.5 本论文的主要工作 | 第21-22页 |
| 1.6 论文结构安排 | 第22-24页 |
| 2 基于机器视觉的工件尺寸测量系统总体设计 | 第24-36页 |
| 2.1 设计要求和任务 | 第24-25页 |
| 2.1.1 设计要求 | 第24-25页 |
| 2.1.2 设计任务 | 第25页 |
| 2.2 基于机器视觉的尺寸测量系统的组成 | 第25-26页 |
| 2.3 系统硬件选型 | 第26-32页 |
| 2.3.1 工业相机选型 | 第26-28页 |
| 2.3.2 工业镜头选择 | 第28-29页 |
| 2.3.3 光照方案设计 | 第29-31页 |
| 2.3.4 PLC控制器选型 | 第31页 |
| 2.3.5 DSP处理器的选型 | 第31-32页 |
| 2.4 检测系统装置的设计及工作原理 | 第32-34页 |
| 2.4.1 检测系统装置的设计 | 第32-33页 |
| 2.4.2 机器视觉尺寸测量系统的工作原理 | 第33-34页 |
| 2.5 系统软件的总体设计 | 第34-35页 |
| 2.5.1 软件开发环境 | 第34页 |
| 2.5.2 软件处理流程 | 第34-35页 |
| 2.6 小结 | 第35-36页 |
| 3 基于机器视觉的钥匙工件的图像轮廓提取 | 第36-54页 |
| 3.1 钥匙工件的图像预处理 | 第36-45页 |
| 3.1.1 直方图修正 | 第37-38页 |
| 3.1.2 图像的去噪 | 第38-43页 |
| 3.1.3 图像的锐化 | 第43-45页 |
| 3.2 钥匙工件图像的二值化分割 | 第45-47页 |
| 3.2.1 固定阈值法 | 第45-46页 |
| 3.2.2 最大方差阈值法 | 第46-47页 |
| 3.3 钥匙工件的图像边缘检测 | 第47-51页 |
| 3.4 钥匙工件的图像轮廓提取及感兴趣区域提取 | 第51-52页 |
| 3.4.1 轮廓提取 | 第51页 |
| 3.4.2 感兴趣区域提取 | 第51-52页 |
| 3.5 数学形态学算法的钥匙图像边缘细化 | 第52-53页 |
| 3.6 本章小结 | 第53-54页 |
| 4 基于LSD直线检测算法对工件尺寸的测量 | 第54-64页 |
| 4.1 线段检测算法分析 | 第54-59页 |
| 4.1.1 Hough变换直线检测算法 | 第55-56页 |
| 4.1.2 最小二乘拟合法 | 第56-57页 |
| 4.1.3 本文中采用的LSD直线检测算法 | 第57-59页 |
| 4.2 LSD算法对工件尺寸检测的实现 | 第59-62页 |
| 4.2.1 LSD算法检测过程 | 第59-60页 |
| 4.2.2 特征检测点定位与提取 | 第60-62页 |
| 4.3 尺寸测量计算 | 第62-63页 |
| 4.4 本章小结 | 第63-64页 |
| 5 工件钥匙的尺寸测量实验及误差分析 | 第64-72页 |
| 5.1 相机标定 | 第64-66页 |
| 5.2 标定优化和精度分析 | 第66-68页 |
| 5.2.1 标定优化 | 第66-68页 |
| 5.2.2 标定精度分析 | 第68页 |
| 5.3 测量实验和结果分析 | 第68-70页 |
| 5.4 误差来源分析 | 第70-71页 |
| 5.5 本章小结 | 第71-72页 |
| 6 总结和展望 | 第72-74页 |
| 6.1 总结 | 第72-73页 |
| 6.2 展望 | 第73-74页 |
| 参考文献 | 第74-77页 |
| 作者简历 | 第77页 |
