机器视觉测量关键技术研究及其在细长轴中应用
| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 第一章 绪论 | 第12-28页 |
| 1.1 选题背景及意义 | 第12-13页 |
| 1.2 细长轴几何精度测量研究现状 | 第13-18页 |
| 1.2.1 圆度仪、圆柱度仪和同轴度仪 | 第13-14页 |
| 1.2.2 结构光视觉测量系统 | 第14-15页 |
| 1.2.3 激光测量系统 | 第15-16页 |
| 1.2.4 投影测量系统 | 第16页 |
| 1.2.5 机器视觉测量系统 | 第16-18页 |
| 1.3 机器视觉测量关键技术研究现状 | 第18-26页 |
| 1.3.1 照明系统 | 第19页 |
| 1.3.2 图像预处理 | 第19-22页 |
| 1.3.3 边缘检测 | 第22-24页 |
| 1.3.4 视觉大尺寸零件测量方法 | 第24-26页 |
| 1.4 研究内容及组织结构 | 第26-28页 |
| 第二章 机器视觉测量方法与测量系统 | 第28-44页 |
| 2.1 细长轴视觉测量方法 | 第28-33页 |
| 2.1.1 零件特征与系统需求 | 第28页 |
| 2.1.2 轴段视觉测量原理 | 第28-32页 |
| 2.1.3 细长轴测量方案 | 第32-33页 |
| 2.2 细长轴测量系统 | 第33-37页 |
| 2.2.1 测量系统硬件 | 第33-37页 |
| 2.2.2 测量系统软件 | 第37页 |
| 2.3 光源优化布置 | 第37-42页 |
| 2.3.1 数学模型 | 第37-39页 |
| 2.3.2 算法实现与理论验证 | 第39-40页 |
| 2.3.4 仿真计算与实验 | 第40-42页 |
| 2.4 本章小结 | 第42-44页 |
| 第三章 图像自适应滤波的通用自回归模型方法 | 第44-66页 |
| 3.1 空间通用自回归数学模型 | 第44-51页 |
| 3.1.1 一维通用自回归模型 | 第44-45页 |
| 3.1.2 邻域结构与回归窗口 | 第45-46页 |
| 3.1.3 二维通用自回归模型 | 第46-48页 |
| 3.1.4 SGAR参数估计方法 | 第48-51页 |
| 3.2 SGAR模型性能实验 | 第51-59页 |
| 3.2.1 SGAR模型拟合经典AR模型 | 第51-53页 |
| 3.2.2 SGAR模型拟合数字图像 | 第53-57页 |
| 3.2.3 初步探索应用SGAR模型检测图像边缘 | 第57-59页 |
| 3.3 自适应滤波器实现 | 第59-65页 |
| 3.3.1 滤波器初始设定 | 第59页 |
| 3.3.2 滤波算法流程 | 第59页 |
| 3.3.3 高斯噪声处理 | 第59-62页 |
| 3.3.4 泊松噪声处理 | 第62-63页 |
| 3.3.5 脉冲噪声处理 | 第63-64页 |
| 3.3.6 混合噪声处理 | 第64-65页 |
| 3.4 本章小结 | 第65-66页 |
| 第四章 图像插值的通用自回归模型方法 | 第66-82页 |
| 4.1 灰度图像插值基础 | 第66-67页 |
| 4.1.1 双三次图像插值 | 第66页 |
| 4.1.2 双线性图像插值 | 第66-67页 |
| 4.2 图像插值客观评价指标 | 第67-69页 |
| 4.3 基于SGAR模型的图像插值策略 | 第69-75页 |
| 4.3.1 非关联预报窗口 | 第69页 |
| 4.3.2 图像分辨率上转换策略 | 第69页 |
| 4.3.3 低分辨率图像采样策略 | 第69-71页 |
| 4.3.4 图像插值数学模型 | 第71-72页 |
| 4.3.5 模型参数求解 | 第72页 |
| 4.3.6 目标函数求解 | 第72-74页 |
| 4.3.7 图像插值算法流程 | 第74-75页 |
| 4.4 实验结果与分析 | 第75-81页 |
| 4.4.1 客观分析与主观评价 | 第75-79页 |
| 4.4.2 计算耗时分析 | 第79-80页 |
| 4.4.3 迭代次数与收敛情况 | 第80页 |
| 4.4.4 贡献分析 | 第80-81页 |
| 4.5 本章小结 | 第81-82页 |
| 第五章 图像边缘检测的自动阈值Canny方法 | 第82-98页 |
| 5.1 灰度图像边缘检测基础 | 第82-89页 |
| 5.1.1 边缘检测基本概念 | 第82-83页 |
| 5.1.2 常见边缘检测方法 | 第83-88页 |
| 5.1.3 边缘检测算法评估 | 第88-89页 |
| 5.2 基于二维最大条件熵的改进Canny算法 | 第89-91页 |
| 5.2.1 灰度-梯度共生矩阵 | 第89-90页 |
| 5.2.2 灰熵数学模型建立 | 第90页 |
| 5.2.3 最优阂值求解 | 第90-91页 |
| 5.3 实验结果与分析 | 第91-96页 |
| 5.3.1 标准图像边缘检测实验 | 第91-93页 |
| 5.3.2 噪声图像边缘检测实验 | 第93-96页 |
| 5.4 本章小结 | 第96-98页 |
| 第六章 传动丝杠几何精度机器视觉测量 | 第98-110页 |
| 6.1 传动丝杠测量实验 | 第98-102页 |
| 6.1.1 实验对象 | 第98页 |
| 6.1.2 实验系统及系统标定 | 第98-99页 |
| 6.1.3 实验实施过程 | 第99-101页 |
| 6.1.4 直线度评定 | 第101-102页 |
| 6.2 实验结果 | 第102-107页 |
| 6.3 误差分析 | 第107-108页 |
| 6.4 本章小结 | 第108-110页 |
| 第七章 总结与展望 | 第110-112页 |
| 7.1 工作总结 | 第110-111页 |
| 7.2 展望 | 第111-112页 |
| 参考文献 | 第112-120页 |
| 攻读博士期间取得的科研成果 | 第120-122页 |
| 已公开发表的科研论文 | 第120页 |
| 已授权的发明专利 | 第120页 |
| 参与的科研项目 | 第120-122页 |
| 致谢 | 第122页 |
