| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 注释表 | 第13-14页 |
| 第一章 绪论 | 第14-23页 |
| 1.1 课题研究背景及意义 | 第14-15页 |
| 1.2 轮对缺陷检测技术研究现状 | 第15-19页 |
| 1.2.1 现有轮对检测技术及研究现状 | 第15-16页 |
| 1.2.2 基于二维图像的轮对缺陷检测技术研究现状 | 第16-17页 |
| 1.2.3 三维轮对缺陷检测技术研究现状 | 第17-19页 |
| 1.3 研究存在的问题 | 第19-20页 |
| 1.4 本文主要内容与创新点 | 第20-22页 |
| 1.4.1 本文主要内容 | 第20-21页 |
| 1.4.2 本文创新点 | 第21-22页 |
| 1.5 本文章节安排 | 第22-23页 |
| 第二章 轮对结构光检测系统的分析与设计 | 第23-41页 |
| 2.1 缺陷检测系统需求分析 | 第23页 |
| 2.2 线结构光检测基本原理 | 第23-24页 |
| 2.3 系统总体方案设计 | 第24-25页 |
| 2.4 结构光检测系统结构设计及优化 | 第25-35页 |
| 2.4.1 检测系统结构方式设计与研究 | 第25-28页 |
| 2.4.2 检测系统结构参数优化 | 第28-33页 |
| 2.4.3 多线结构光数据组合检测方法研究 | 第33-35页 |
| 2.5 线结构光测量系统标定研究 | 第35-40页 |
| 2.5.1 结构光光平面标定现状 | 第35页 |
| 2.5.2 基于平面靶标的现场标定方法研究 | 第35-39页 |
| 2.5.3 标定实验结果与分析 | 第39-40页 |
| 2.6 本章小结 | 第40-41页 |
| 第三章 线结构光光条中心提取方法研究 | 第41-49页 |
| 3.1 线结构光光条成像模型分析 | 第41-42页 |
| 3.2 光条中心提取算法研究 | 第42-43页 |
| 3.2.1 传统光条中心提取算法及其改进 | 第42-43页 |
| 3.3 基于可变模板的光条中心提取方法 | 第43-45页 |
| 3.3.1 初步提取光条中心 | 第43页 |
| 3.3.2 构建自适应权重模板 | 第43-44页 |
| 3.3.3 构建中心线修正模板 | 第44-45页 |
| 3.3.4 光条中心精确提取 | 第45页 |
| 3.4 系统多线结构光中心线提取分析 | 第45-46页 |
| 3.4.1 多线结构光中心提取方法研究 | 第45-46页 |
| 3.5 光条中心提取实验对比与分析 | 第46-48页 |
| 3.6 本章小结 | 第48-49页 |
| 第四章 轮对三维形貌表示方法研究 | 第49-61页 |
| 4.1 三维形貌重建方法概述 | 第49-51页 |
| 4.2 基于结构光的轮对在线检测三维形貌重建应用分析 | 第51-52页 |
| 4.3 基于点云匹配的轮对三维形貌表示研究 | 第52-57页 |
| 4.3.1 点云匹配方法研究 | 第52-54页 |
| 4.3.2 点云匹配应用于轮对三维重建研究 | 第54页 |
| 4.3.3 匹配算法原理 | 第54-56页 |
| 4.3.4 应用于轮对重建的匹配算法改进 | 第56-57页 |
| 4.4 实验结果对比与分析 | 第57-60页 |
| 4.5 本章小结 | 第60-61页 |
| 第五章 轮对损伤检测方法研究 | 第61-84页 |
| 5.1 轮对缺陷信号特征分析 | 第61-62页 |
| 5.2 轮对截面轮廓信号的缺陷检测和信号重构 | 第62-66页 |
| 5.2.1 信号稀疏分解理论基础 | 第62-63页 |
| 5.2.2 过完备原子库设计 | 第63-64页 |
| 5.2.3 轮廓信号重构算法实现 | 第64-65页 |
| 5.2.4 信号重构实验结果对比与分析 | 第65-66页 |
| 5.3 基于深度图像的轮对缺陷检测和缺陷识别 | 第66-75页 |
| 5.3.1 结构光深度图像理论 | 第66-67页 |
| 5.3.2 结构光深度图像生成方法研究 | 第67-68页 |
| 5.3.3 轮对踏面深度图像生成方式 | 第68-73页 |
| 5.3.4 深度图像生成算法验证 | 第73-75页 |
| 5.4 基于二维图像和深度学习的轮对缺陷检测方法研究 | 第75-83页 |
| 5.4.1 FasterRCNN网络结构 | 第76-78页 |
| 5.4.2 FasterRCNN总体结构和算法流程 | 第78页 |
| 5.4.3 FasterRCNN应用于踏面缺陷检测 | 第78-82页 |
| 5.4.4 实验结果对比分析 | 第82-83页 |
| 5.5 本章小结 | 第83-84页 |
| 第六章 总结与展望 | 第84-86页 |
| 6.1 本文的主要工作 | 第84-85页 |
| 6.2 研究展望 | 第85-86页 |
| 参考文献 | 第86-90页 |
| 致谢 | 第90-91页 |
| 在学期间的研究成果及发表的学术论文 | 第91页 |
