基于机器视觉的智能制造产品识别与检测方法研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第1章 绪论 | 第10-17页 |
| 1.1 课题来源 | 第10页 |
| 1.2 研究目的与意义 | 第10-11页 |
| 1.3 机器视觉的国内外研究现状 | 第11-15页 |
| 1.3.1 机器视觉 | 第11-12页 |
| 1.3.2 国外研究现状 | 第12-13页 |
| 1.3.3 国内研究现状 | 第13-14页 |
| 1.3.4 国内外文献综述的简析 | 第14-15页 |
| 1.4 本文主要研究内容 | 第15-17页 |
| 第2章 基于OPENGL的产品匹配模板生成 | 第17-28页 |
| 2.1 相机标定 | 第17-21页 |
| 2.1.1 线性成像模型分析 | 第18-20页 |
| 2.1.2 相机畸变模型分析 | 第20-21页 |
| 2.2 产品3D数据模型分析 | 第21-27页 |
| 2.2.1 STL数据格式分析 | 第22页 |
| 2.2.2 STL的读取与显示 | 第22-23页 |
| 2.2.3 STL模型轮廓提取 | 第23-24页 |
| 2.2.4 STL模型的面区域分割 | 第24-25页 |
| 2.2.5 STL模型的外轮廓提取 | 第25-26页 |
| 2.2.6 投影与消隐 | 第26-27页 |
| 2.3 匹配模板生成 | 第27页 |
| 2.4 本章小结 | 第27-28页 |
| 第3章 图像预处理及轮廓提取 | 第28-41页 |
| 3.1 图像滤波方法 | 第28-32页 |
| 3.1.1 方框滤波与均值滤波 | 第29页 |
| 3.1.2 中值滤波 | 第29-30页 |
| 3.1.3 高斯滤波 | 第30-31页 |
| 3.1.4 双边滤波 | 第31-32页 |
| 3.2 图像边缘检测算子 | 第32-37页 |
| 3.2.1 Roberts边缘检测算子 | 第32-33页 |
| 3.2.2 Perwitt边缘检测算子 | 第33-34页 |
| 3.2.3 Sobel边缘检测算子 | 第34页 |
| 3.2.4 Laplacian边缘检测算子 | 第34-35页 |
| 3.2.5 Canny边缘检测算子 | 第35页 |
| 3.2.6 边缘检测算子的效果对比 | 第35-37页 |
| 3.3 轮廓提取原理 | 第37-40页 |
| 3.3.1 基于区域增长的轮廓提取 | 第37-39页 |
| 3.3.2 基于边缘追踪的轮廓提取 | 第39-40页 |
| 3.4 本章小结 | 第40-41页 |
| 第4章 基于傅里叶变换的轮廓特征描述 | 第41-58页 |
| 4.1 轮廓描述方法 | 第41-47页 |
| 4.1.1 基于轮廓的形状描述方法 | 第42-44页 |
| 4.1.2 基于区域的形状描述方法 | 第44-46页 |
| 4.1.3 轮廓特征提取方法的选择 | 第46-47页 |
| 4.2 傅里叶描述算子 | 第47-53页 |
| 4.2.1 傅里叶描述子的计算 | 第47-48页 |
| 4.2.2 傅里叶描述子不变性 | 第48-49页 |
| 4.2.3 傅里叶描述子归一化 | 第49页 |
| 4.2.4 通用相似度量法 | 第49-50页 |
| 4.2.5 SVM向量机 | 第50-51页 |
| 4.2.6 基于傅里叶描述子的SVM分类检测 | 第51-52页 |
| 4.2.7 基于矩特征的傅里叶特征描述 | 第52-53页 |
| 4.3 椭圆傅里叶变换 | 第53-56页 |
| 4.3.1 椭圆傅里叶特征子的不变性构造 | 第55-56页 |
| 4.3.2 基于SVM椭圆傅里叶分类识别 | 第56页 |
| 4.4 本章小结 | 第56-58页 |
| 第5章 产品识别与实验分析 | 第58-66页 |
| 5.1 工业相机标定 | 第58-62页 |
| 5.1.1 相机选型 | 第58-59页 |
| 5.1.2 镜头选择 | 第59页 |
| 5.1.3 视觉检测平台 | 第59-60页 |
| 5.1.4 标定实验 | 第60-62页 |
| 5.2 产品的类型识别实验 | 第62-64页 |
| 5.2.1 模板库的生成及轮廓提取 | 第62-64页 |
| 5.2.2 特征生成 | 第64页 |
| 5.2.3 SVM类别预测 | 第64页 |
| 5.3 本章小结 | 第64-66页 |
| 结论 | 第66-67页 |
| 参考文献 | 第67-72页 |
| 附录 | 第72-76页 |
| 致谢 | 第76页 |
