基于机器视觉的装料系统试验研究
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第8-16页 |
| 1.1 研究背景及意义 | 第8-9页 |
| 1.2 相关技术的发展和现状 | 第9-13页 |
| 1.2.1 自动装料技术 | 第9-10页 |
| 1.2.2 数字图像处理 | 第10-11页 |
| 1.2.3 视觉技术在装料系统中的应用 | 第11-13页 |
| 1.3 论文研究内容及结构安排 | 第13-16页 |
| 第二章 散料装车机器视觉系统设计 | 第16-30页 |
| 2.1 机器视觉装车原理 | 第16-18页 |
| 2.2 系统算法方案分析 | 第18-19页 |
| 2.3 视觉装车试验系统设计 | 第19-24页 |
| 2.3.1 工业相机和镜头 | 第19-20页 |
| 2.3.2 照明方案和光源 | 第20-21页 |
| 2.3.3 料车移动机构 | 第21页 |
| 2.3.4 卸料机构 | 第21-22页 |
| 2.3.5 系统软件 | 第22-23页 |
| 2.3.6 相机和光源安装 | 第23-24页 |
| 2.4 摄像机标定 | 第24-28页 |
| 2.4.1 摄像机成像模型 | 第24-27页 |
| 2.4.2 本文标定算法 | 第27-28页 |
| 2.5 本章小结 | 第28-30页 |
| 第三章 基于SVM后验概率的料位模式识别研究 | 第30-46页 |
| 3.1 料位识别分析 | 第30-31页 |
| 3.2 料堆图像预处理 | 第31-35页 |
| 3.2.1 同态滤波 | 第31-33页 |
| 3.2.2 二值化 | 第33-35页 |
| 3.3 灰度共生矩阵提取料堆纹理特征 | 第35-37页 |
| 3.3.1 纹理特征简述 | 第35-36页 |
| 3.3.2 灰度共生矩阵纹理提取 | 第36-37页 |
| 3.4 料堆料位模式识别方法 | 第37-43页 |
| 3.4.1 支持向量机的基本理论 | 第37-40页 |
| 3.4.2 基于SVM后验概率的料位识别方法 | 第40-43页 |
| 3.5 试验结果分析 | 第43-45页 |
| 3.6 本章小结 | 第45-46页 |
| 第四章 基于模板匹配的料门视觉跟踪检测 | 第46-60页 |
| 4.1 料门视觉检测研究内容 | 第46页 |
| 4.2 图像匹配概述 | 第46-50页 |
| 4.2.1 图像匹配的关键要素 | 第47页 |
| 4.2.2 图像匹配算法 | 第47-50页 |
| 4.3 料门跟踪检测的主要影响因素 | 第50-51页 |
| 4.4 非线性光照鲁棒的匹配算法实现 | 第51-59页 |
| 4.4.1 算法具体设计 | 第52-54页 |
| 4.4.2 试验结果分析 | 第54-59页 |
| 4.5 本章小结 | 第59-60页 |
| 第五章 视觉料位控制方法研究 | 第60-80页 |
| 5.1 装料控制系统工况分析 | 第60-63页 |
| 5.2 料位控制系统数学模型 | 第63-66页 |
| 5.3 料位控制算法分析 | 第66-67页 |
| 5.4 料位模糊-PID串级控制器的设计 | 第67-76页 |
| 5.4.1 模糊控制基本原理 | 第67-68页 |
| 5.4.2 装料系统料位模糊控制器的设计 | 第68-74页 |
| 5.4.3 改进的PID料门位置控制算法 | 第74-76页 |
| 5.5 料位控制系统的仿真分析 | 第76-79页 |
| 5.6 本章小结 | 第79-80页 |
| 结论 | 第80-82页 |
| 结论 | 第80页 |
| 展望 | 第80-82页 |
| 参考文献 | 第82-86页 |
| 攻读学位期间取得的研究成果 | 第86-87页 |
| 致谢 | 第87页 |
