基于机器视觉的工件定位算法研究
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 1 绪论 | 第8-13页 |
| 1.1 课题背景及意义 | 第8-9页 |
| 1.2 研究现状 | 第9-11页 |
| 1.3 本论文研究目标、主要研究内容及结构 | 第11-13页 |
| 2 高精度定位系统整体设计 | 第13-21页 |
| 2.1 高精度定位系统硬件系统设计 | 第13-19页 |
| 2.2 高精度定位系统软件系统设计 | 第19-20页 |
| 2.3 本章小结 | 第20-21页 |
| 3 高精度定位系统原理分析及数据处理方法 | 第21-32页 |
| 3.1 理想状态及其运动状态分析 | 第22-23页 |
| 3.2 离轴姿态及其运动状态分析 | 第23-24页 |
| 3.3 图像处理预处理 | 第24-26页 |
| 3.4 特征点提取 | 第26-30页 |
| 3.5 特征点数据处理 | 第30-31页 |
| 3.6 本章小结 | 第31-32页 |
| 4 传统机器视觉定位方法 | 第32-44页 |
| 4.1 基于传统机器视觉的实现方法 | 第32-37页 |
| 4.2 原理样机硬件和软件设计实现 | 第37-39页 |
| 4.3 模型库建设 | 第39-42页 |
| 4.4 精确定位过程 | 第42-43页 |
| 4.5 本章小结 | 第43-44页 |
| 5 基于深度学习的状态精确定位 | 第44-55页 |
| 5.1 卷积神经网络介绍 | 第44-46页 |
| 5.2 基于回归预测模型的算法流程 | 第46-54页 |
| 5.3 本章小结 | 第54-55页 |
| 6 实验结果及其分析 | 第55-63页 |
| 6.1 传统图像处理定位结果及其分析 | 第55-59页 |
| 6.2 基于深度学习方法的定位结果及其分析 | 第59-61页 |
| 6.3 传统图像处理定位算法与深度学习算法对比 | 第61-62页 |
| 6.4 本章小结 | 第62-63页 |
| 7 总结与展望 | 第63-64页 |
| 致谢 | 第64-65页 |
| 参考文献 | 第65-68页 |
