中文摘要 | 第8-9页 |
ABSTRACT | 第9页 |
第一章 绪论 | 第10-16页 |
1.1 论文背景及意义 | 第10-11页 |
1.2 机器视觉及光学玻璃自动切割国内外研究现状 | 第11-13页 |
1.2.1 机器视觉国内外研究现状 | 第11-12页 |
1.2.2 光学玻璃自动切割国内外研究现状 | 第12-13页 |
1.3 论文的主要内容及结构安排 | 第13-14页 |
1.4 本章小结 | 第14-16页 |
第二章 基于机器视觉的玻璃等质量自动切割系统 | 第16-26页 |
2.1 玻璃等质量自动切割系统整体方案 | 第16-18页 |
2.1.1 需求分析 | 第16-17页 |
2.1.2 系统工作原理及流程 | 第17-18页 |
2.2 系统的硬件组成 | 第18-23页 |
2.2.1 相机 | 第18-20页 |
2.2.2 镜头 | 第20页 |
2.2.3 照明和光源 | 第20-22页 |
2.2.4 其他组件 | 第22-23页 |
2.3 软件子系统 | 第23-25页 |
2.4 本章小结 | 第25-26页 |
第三章 上料机械臂视觉标定 | 第26-36页 |
3.1 摄像机成像模型与坐标平面映射 | 第26-29页 |
3.1.1 线性摄像机成像模型 | 第27-29页 |
3.1.2 两平面之间的映射矩阵 | 第29页 |
3.2 标定过程及实验结果 | 第29-33页 |
3.2.1 标定过程 | 第29-31页 |
3.2.2 实验结果 | 第31-33页 |
3.3 精度影响因素分析 | 第33-34页 |
3.4 几种常见结构的“eye-to-hand”式视觉系统的标定 | 第34页 |
3.5 本章小结 | 第34-36页 |
第四章 基于Gabor小波变换角点检测的像素标定 | 第36-40页 |
4.1 角点检测 | 第36页 |
4.2 二维Gabor滤波器 | 第36-37页 |
4.3 Gabor滤波器虚部平滑图像边缘 | 第37-38页 |
4.4 标定实验 | 第38-39页 |
4.5 数据结果 | 第39页 |
4.6 本章小结 | 第39-40页 |
第五章 基于机器视觉的玻璃体积均分自动切割算法研究 | 第40-56页 |
5.1 算法基本思想 | 第40页 |
5.2 算法设计 | 第40-48页 |
5.2.1 基于空间平滑滤波的图像降噪预处理 | 第40-44页 |
5.2.2 基于图像梯度微分的边缘检测算子 | 第44-47页 |
5.2.3 拟合切割路径 | 第47-48页 |
5.3 基于OpenCV的算法的软件实现 | 第48-49页 |
5.4 实验与结果分析 | 第49-55页 |
5.4.1 实验结果 | 第49-54页 |
5.4.2 结果分析 | 第54-55页 |
5.5 本章小结 | 第55-56页 |
第六章 总结与展望 | 第56-58页 |
6.1 总结 | 第56页 |
6.2 展望 | 第56-58页 |
参考文献 | 第58-63页 |
攻读学位期间取得的研究成果 | 第63-64页 |
致谢 | 第64-65页 |
个人简况及联系方式 | 第65-68页 |