首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

基于机器视觉的棒线材识别跟踪系统的设计与研究

摘要第5-6页
Abstract第6-7页
目录第8-11页
第1章 绪论第11-21页
    1.1 课题的背景第11-14页
        1.1.1 我国棒线材产量第11页
        1.1.2 本课题的研究意义第11-14页
    1.2 国内外研究现状第14-18页
        1.2.1 机电法第14-15页
        1.2.2 图像处理法第15-18页
    1.3 研究内容与本文结构第18-19页
    1.4 本章小结第19-21页
第2章 机器视觉成像系统的设计第21-35页
    2.1 成像系统设计要求第21-24页
        2.1.1 棒线材生产线介绍第21-23页
        2.1.2 成像系统设计要求第23-24页
    2.2 高速线阵成像硬件系统第24-31页
        2.2.1 硬件系统组成第24-27页
        2.2.2 硬件系统参数计算与设定第27-31页
    2.3 软件系统第31-33页
        2.3.1 软件系统组成第31页
        2.3.2 各处理模块介绍第31-33页
    2.4 本章小结第33-35页
第3章 棒线材图像的预处理第35-53页
    3.1 图像预处理相关技术概述第35-37页
        3.1.1 图像分割技术概述第35-36页
        3.1.2 图像中的噪声第36-37页
    3.2 图像阈值分割技术第37-49页
        3.2.1 基于二维直方图的直分阈值分割法第38-44页
        3.2.2 本文提出的改进算法第44-49页
    3.3 图像去噪技术第49-51页
    3.4 本章小结第51-53页
第4章 棒线材识别与跟踪分析第53-77页
    4.1 基于团块(Blob)的目标识别第53-57页
        4.1.1 Blob分析简介第53页
        4.1.2 Blob分析算法第53-55页
        4.1.3 Blob分析实现第55-57页
    4.2 对极平面分析第57-69页
        4.2.1 对极几何(Epipolar Geometry)第58-60页
        4.2.2 平行光轴系统结构第60-61页
        4.2.3 对极平面性质第61-66页
        4.2.4 棒线材的对极平面分析第66-69页
    4.3 棒线材目标跟踪第69-76页
        4.3.1 棒线材目标跟踪算法要求第69页
        4.3.2 基于贪婪最近邻波器方法的多目标跟踪第69-71页
        4.3.3 基于Kalman滤波器的多目标跟踪第71-76页
    4.4 本章小结第76-77页
第5章 实验与结果分析第77-99页
    5.1 线阵采集系统的调试与运行第77-84页
        5.1.1 系统初始相关设定简介第77-82页
        5.1.2 系统界面简介第82-84页
    5.2 图像采集结果与分析第84-85页
    5.3 图像预处理结果与分析第85-89页
    5.4 目标识别结果与分析第89-94页
        5.4.1 Blob识别结果与分析第89-91页
        5.4.2 对极平面处理结果及分析第91-94页
    5.5 目标跟踪结果与分析第94-97页
        5.5.1 贪婪最近邻波器跟踪结果及分析第94页
        5.5.2 Kalman跟踪结果及分析第94-97页
    5.6 本章小结第97-99页
第6章 总结与展望第99-103页
    6.1 总结第99-100页
    6.2 需要完善的工作第100页
    6.3 展望第100-103页
参考文献第103-107页
攻读硕士学位期间发表的论文第107-109页
致谢第109页

论文共109页,点击 下载论文
上一篇:多平行轴斜齿轮转子系统的可靠性及可靠性灵敏度研究
下一篇:油雾凝聚机理的模拟及实验研究