基于机器视觉的铁路隧道智能裂缝宽度测量系统的研究
| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 1 绪论 | 第9-15页 |
| 1.1 机器视觉 | 第9-10页 |
| 1.1.1 机器视觉的概念 | 第9-10页 |
| 1.1.2 机器视觉系统的组成 | 第10页 |
| 1.1.3 机器视觉的应用 | 第10页 |
| 1.2 国内外研究历程及现状 | 第10-12页 |
| 1.3 研究背景及意义 | 第12-13页 |
| 1.4 课题研究的主要内容 | 第13-15页 |
| 2 测量系统的总体设计及硬件平台搭建 | 第15-23页 |
| 2.1 测量系统的设计分析 | 第15页 |
| 2.2 测量系统的设计要求 | 第15页 |
| 2.3 测量系统的总体结构 | 第15-16页 |
| 2.4 激光测距仪的工作原理 | 第16-18页 |
| 2.5 CCD相机 | 第18-20页 |
| 2.6 照明系统 | 第20页 |
| 2.7 电源 | 第20-21页 |
| 2.8 机械系统 | 第21-22页 |
| 2.9 本章小结 | 第22-23页 |
| 3 测量系统图像处理及裂缝宽度的计算 | 第23-35页 |
| 3.1 图像处理系统 | 第23页 |
| 3.1.1 图像处理的目的和意义 | 第23页 |
| 3.1.2 图像处理系统的硬件与软件 | 第23页 |
| 3.2 图像处理的基本流程 | 第23-33页 |
| 3.2.1 图像采集 | 第24页 |
| 3.2.2 图像预处理 | 第24-30页 |
| 3.2.3 裂缝的边缘提取 | 第30-31页 |
| 3.2.4 相机的像素标定 | 第31-33页 |
| 3.2.5 裂缝宽度的计算 | 第33页 |
| 3.3 本章小结 | 第33-35页 |
| 4 测量系统的软件设计 | 第35-47页 |
| 4.1 VisualC++的优势 | 第35页 |
| 4.2 系统软件的功能分析 | 第35-36页 |
| 4.3 软件工作流程 | 第36页 |
| 4.4 软件界面详解 | 第36-40页 |
| 4.5 平板计算机 | 第40-44页 |
| 4.5.1 平板计算机的配置 | 第40-41页 |
| 4.5.2 平板计算机与激光测距仪的通信 | 第41-44页 |
| 4.6 程序部分原始代码 | 第44-46页 |
| 4.7 本章小结 | 第46-47页 |
| 5 精度测量及影响精度因素分析 | 第47-55页 |
| 5.1 标准偏差的概念 | 第47页 |
| 5.2 标准偏差的计算公式 | 第47页 |
| 5.3 实验室测量 | 第47-48页 |
| 5.3.1 检测的环境 | 第47页 |
| 5.3.2 检测方法及过程 | 第47-48页 |
| 5.4 外场测量 | 第48-51页 |
| 5.4.1 西安试验现场 | 第48-50页 |
| 5.4.2 天水试验现场 | 第50-51页 |
| 5.4.3 结论 | 第51页 |
| 5.5 影响精度的因素 | 第51-53页 |
| 5.6 本章小结 | 第53-55页 |
| 6 总结与展望 | 第55-57页 |
| 6.1 本文总结 | 第55页 |
| 6.2 展望 | 第55-57页 |
| 致谢 | 第57-59页 |
| 参考文献 | 第59-61页 |
