基于机器视觉的打磨工件自动跟踪与检测研究
| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第12-19页 |
| 1.1 课题研究意义及背景 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-16页 |
| 1.2.1 运动目标跟踪技术现状 | 第13-15页 |
| 1.2.2 目标表面缺陷与粗糙度检测技术现状 | 第15-16页 |
| 1.3 本文的主要研究内容及结构 | 第16-19页 |
| 1.3.1 研究内容和解决的关键技术 | 第16-18页 |
| 1.3.2 本文结构 | 第18-19页 |
| 第二章 打磨抛光检测平台的搭建 | 第19-25页 |
| 2.1 打磨平台的搭建与设计流程 | 第19-21页 |
| 2.2 视觉检测平台的搭建与设计流程 | 第21-24页 |
| 2.3 本章小结 | 第24-25页 |
| 第三章 打磨工件的自动跟踪设计 | 第25-36页 |
| 3.1 相关滤波KCF跟踪器 | 第25-29页 |
| 3.1.1 岭回归模型学习分类器 | 第25-26页 |
| 3.1.2 循环矩阵 | 第26-27页 |
| 3.1.3 线性回归的训练 | 第27-28页 |
| 3.1.4 非线性核相关滤波器训练 | 第28-29页 |
| 3.2 改进的KCF跟踪算法设计 | 第29-35页 |
| 3.2.1 自适应尺度估计 | 第30-31页 |
| 3.2.2 质心位置预测估计 | 第31-32页 |
| 3.2.3 质心修正重定位 | 第32-33页 |
| 3.2.4 改进算法流程 | 第33-35页 |
| 3.3 本章小结 | 第35-36页 |
| 第四章 打磨抛光工件视觉检测方法研究 | 第36-56页 |
| 4.1 工件表面缺陷视觉检测 | 第36-41页 |
| 4.1.1 图像的预处理 | 第36-38页 |
| 4.1.2 基于模糊自适应的Hough倾斜角提取 | 第38-39页 |
| 4.1.3 基于仿射变换的边缘检测 | 第39-41页 |
| 4.2 局部放大区域缺陷检测 | 第41-49页 |
| 4.2.1 各向异性的纹理抑制 | 第42-44页 |
| 4.2.2 自适应阈值的Roberts边缘检测 | 第44-45页 |
| 4.2.3 快速中值滤波与数学形态学消噪 | 第45-48页 |
| 4.2.4 缺陷位置的精确筛选 | 第48-49页 |
| 4.3 工件表面粗糙度视觉检测 | 第49-55页 |
| 4.3.1 非接触式光切法检测 | 第50-52页 |
| 4.3.2 工件粗糙度图像的处理 | 第52-55页 |
| 4.4 本章小结 | 第55-56页 |
| 第五章 相关算法的实验验证与分析 | 第56-64页 |
| 5.1 改进的KCF跟踪算法实验分析 | 第56-59页 |
| 5.2 视觉检测算法实验分析 | 第59-63页 |
| 5.3 本章小结 | 第63-64页 |
| 总结与展望 | 第64-66页 |
| 参考文献 | 第66-70页 |
| 攻读学位期间发表的论文 | 第70-72页 |
| 致谢 | 第72页 |
