首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

基于机器视觉集装箱吊具智能定位系统研究

摘要第6-7页
Abstract第7-8页
第1章 绪论第12-20页
    1.1 本课题研究背景与意义第12-14页
        1.1.1 研究背景第12-13页
        1.1.2 研究意义第13-14页
    1.2 国内外研究现状第14-15页
    1.3 机器视觉图像处理方法第15-17页
        1.3.1 OpenCV数据库第15-16页
        1.3.2 双目机器视觉原理第16-17页
    1.4 主要研究内容及论文安排第17-20页
        1.4.1 主要研究内容第17页
        1.4.2 研究技术路线第17-19页
        1.4.3 论文安排第19-20页
第2章 双目摄像机参数获取系统设计第20-31页
    2.1 双目摄像机模型分类第20-22页
        2.1.1 线性摄像机模型第20-21页
        2.1.2 非线性摄像机模型第21-22页
    2.2 双目摄像机标定第22-27页
        2.2.1 双目摄像机标定原理第23-26页
        2.2.2 双目立体标定实践方法第26-27页
    2.3 系统摄像机标定程序第27-29页
    2.4 定位系统摄像机标定试验第29-30页
    2.5 本章小结第30-31页
第3章 图像像素坐标识别与定位第31-43页
    3.1 图像目标识别第31-33页
        3.1.1 吊孔识别计算流程第31-32页
        3.1.2 目标纹理识别第32页
        3.1.3 图像目标截取第32-33页
    3.2 图像目标匹配第33-34页
    3.3 数据图像预处理第34-39页
        3.3.1 图像平滑处理第35-36页
        3.3.2 图像二值化处理第36-38页
        3.3.3 图像形态学处理第38-39页
    3.4 吊孔识别与坐标获取第39-42页
        3.4.1 识别目标集装箱吊孔第39-40页
        3.4.2 获取目标集装箱吊孔坐标第40-42页
    3.5 本章小结第42-43页
第4章 图像去雾处理与颜色识别第43-65页
    4.1 雾天成像原理第43-46页
        4.1.1 入射光衰减模型第44-45页
        4.1.2 大气光模型第45-46页
    4.2 去雾处理方法第46-51页
        4.2.1 暗通道提取第47-48页
        4.2.2 去雾处理流程第48-51页
    4.3 去雾效果评价第51-53页
        4.3.1 人眼主观评价第51-52页
        4.3.2 运算时间评价第52页
        4.3.3 绝对差值评价第52-53页
    4.4 颜色模型分类第53-57页
        4.4.1 RGB颜色模型第53-54页
        4.4.2 HSV颜色模型第54-55页
        4.4.3 HSI颜色模型第55-56页
        4.4.4 主要集装箱颜色分类第56-57页
    4.5 颜色识别流程第57-62页
        4.5.1 图像初始化第57-58页
        4.5.2 颜色模型转换第58-61页
        4.5.3 分离目标颜色第61-62页
    4.6 区域中心坐标计算第62页
    4.7 分离目标颜色区域第62-64页
    4.8 本章小结第64-65页
第5章 集装箱智能定位系统开发与实现第65-81页
    5.1 系统主要编程平台第65页
        5.1.1 Visual Studio软件介绍第65页
        5.1.2 Visual Basic软件介绍第65页
    5.2 测试系统的设计与实现第65-71页
        5.2.1 整体界面设计第66-69页
        5.2.2 双目摄像机标定设计第69-71页
        5.2.3 摄像机自动拍摄实现第71页
    5.3 系统功能模块嵌入第71-76页
        5.3.1 去雾处理模块第71-72页
        5.3.2 图像预处理模块第72-73页
        5.3.3 集装箱颜色识别模块第73-74页
        5.3.4 锁孔定位模块第74-76页
    5.4 集装箱智能定位系统平台测试第76-80页
    5.5 本章小结第80-81页
结论与展望第81-83页
致谢第83-84页
参考文献第84-87页
攻读硕士学位期间发表的论文第87页

论文共87页,点击 下载论文
上一篇:基于循环神经网络的网络舆情文本情感分析技术研究
下一篇:C银行集中招投标采购项目管理规范研究