| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第14-19页 |
| 1.1 论文研究目的与意义 | 第14页 |
| 1.2 五金工件表面缺陷的传统检测方法与非接触式检测方法 | 第14-15页 |
| 1.3 机器视觉检测技术优势 | 第15-16页 |
| 1.4 机器视觉技术检测缺陷方法研究现状 | 第16-17页 |
| 1.5 论文研究内容与章节安排 | 第17-18页 |
| 1.5.1 论文研究内容 | 第17-18页 |
| 1.5.2 论文章节安排 | 第18页 |
| 1.6 本章小结 | 第18-19页 |
| 第二章 五金工件表面缺陷检测的相机标定法 | 第19-42页 |
| 2.1 相机标定原理及数学模型 | 第19-26页 |
| 2.1.1 相机投影模型 | 第19-22页 |
| 2.1.2 物体修正投影模型 | 第22-26页 |
| 2.2 张正友平面标定法内参求解分析 | 第26-28页 |
| 2.2.1 正定方程组求解内参矩阵 | 第26-27页 |
| 2.2.2 静不定方程组求解内参矩阵 | 第27-28页 |
| 2.3 基于K-SVD稀疏字典学习相机标定实现原理 | 第28-34页 |
| 2.3.1 基于K-SVD稀疏字典学习相机标定可行性分析 | 第28页 |
| 2.3.2 实现基于K-SVD稀疏字典学习的相机标定 | 第28-29页 |
| 2.3.3 K-SVD算法应用于求解相机内参过程 | 第29-33页 |
| 2.3.4 基于K-SVD算法相机标定过程 | 第33-34页 |
| 2.4 标定实验结果和分析 | 第34-41页 |
| 2.4.1 实验步骤 | 第34-35页 |
| 2.4.2 实验结果 | 第35-41页 |
| 2.5 本章小结 | 第41-42页 |
| 第三章 五金工件表面图像预处理与缺陷定位 | 第42-58页 |
| 3.1 五金工件表面图像预处理 | 第42-45页 |
| 3.1.1 五金工件表面图像矫正 | 第42-44页 |
| 3.1.2 五金工件表面图像去噪 | 第44-45页 |
| 3.2 五金工件表面图像对齐 | 第45-48页 |
| 3.2.1 五金工件表面图像对齐关键问题 | 第46页 |
| 3.2.2 霍夫变换计算物体倾斜角度原理 | 第46-48页 |
| 3.3 基于轮廓特征图像对齐实现原理 | 第48-52页 |
| 3.3.1 轮廓的Hu矩特征值提取 | 第48-49页 |
| 3.3.2 轮廓匹配 | 第49页 |
| 3.3.3 基于轮廓特征的图像对齐实现 | 第49-52页 |
| 3.4 五金工件表面缺陷定位与分类 | 第52-57页 |
| 3.4.1 五金工件表面缺陷定位 | 第52-55页 |
| 3.4.2 五金工件表面缺陷分类 | 第55-57页 |
| 3.5 本章小结 | 第57-58页 |
| 第四章 五金工件表面缺陷检测系统开发 | 第58-70页 |
| 4.1 检测系统总体设计 | 第58页 |
| 4.2 系统硬件组成 | 第58-63页 |
| 4.3 系统运行步骤 | 第63-65页 |
| 4.4 计算机操作界面功能 | 第65页 |
| 4.5 系统运行结果 | 第65-68页 |
| 4.6 本章小结 | 第68-70页 |
| 总结与展望 | 第70-72页 |
| 论文总结 | 第70页 |
| 论文展望 | 第70-72页 |
| 参考文献 | 第72-76页 |
| 攻读硕士学位期间取得的研究成果 | 第76-78页 |
| 致谢 | 第78页 |
