自动焊机中定位技术的研究
| 第一章 绪论 | 第1-23页 |
| 1．1 引言 | 第11-12页 |
| 1．2 课题背景 | 第12-14页 |
| 1．3 超声波焊接概述 | 第14-15页 |
| 1．3．1 工作过程 | 第14-15页 |
| 1．3．2 工作原理 | 第15页 |
| 1．4 机器视觉系统概述 | 第15-17页 |
| 1．4．1 图像概述 | 第16页 |
| 1．4．2 机器视觉系统原理 | 第16-17页 |
| 1．5 机器学习 | 第17-18页 |
| 1．5．1 机器学习系统 | 第17-18页 |
| 1．5．2 机器学习的分类 | 第18页 |
| 1．6 课题研究的意义 | 第18-19页 |
| 1．7 论文主要研究内容 | 第19-21页 |
| 1．8 主要技术难点 | 第21-23页 |
| 第二章 自动焊接系统设计 | 第23-35页 |
| 2．1 图像处理系统 | 第23-25页 |
| 2．2 系统的硬件构成 | 第25-29页 |
| 2．2．1 照明系统 | 第26-27页 |
| 2．2．2 图像采集系统 | 第27-28页 |
| 2．2．3 控制系统 | 第28-29页 |
| 2．3 系统的软件设计 | 第29-31页 |
| 2．3．1 开发平台的选择 | 第29-30页 |
| 2．3．2 软件分析 | 第30-31页 |
| 2．4 系统的操作界面及其功能 | 第31-33页 |
| 2．5 系统的特点 | 第33-34页 |
| 2．6 本章小结 | 第34-35页 |
| 第三章 图像预处理 | 第35-41页 |
| 3．1 图像平滑 | 第35-37页 |
| 3．2 图像增强 | 第37-40页 |
| 3．3 本章小结 | 第40-41页 |
| 第四章 匹配算法 | 第41-58页 |
| 4．1 图像匹配方法 | 第41-44页 |
| 4．1．1 关系结构匹配方法 | 第41-42页 |
| 4．1．2 神经网络匹配方法 | 第42页 |
| 4．1．3 基于特征的匹配方法 | 第42-43页 |
| 4．1．4 基于灰度的匹配方法 | 第43-44页 |
| 4．2 模板匹配方法 | 第44-46页 |
| 4．3 快速模板匹配算法 | 第46-53页 |
| 4．3．1 FFT相关算法 | 第46-48页 |
| 4．3．2 幅度排序相关算法 | 第48-50页 |
| 4．3．3 序贯相似检测算法(SSDA) | 第50-52页 |
| 4．3．4 多辨率塔型结构算法(MPSA) | 第52-53页 |
| 4．4 传统快速图像匹配算法实验比较 | 第53-54页 |
| 4．5 本系统采用的匹配算法 | 第54-57页 |
| 4．5．1 自适应门限序列的SSDA算法改进 | 第54-55页 |
| 4．5．2 实验结果及分析 | 第55-57页 |
| 4．6 本章小结 | 第57-58页 |
| 第五章 焊点定位 | 第58-70页 |
| 5．1 类比学习 | 第58-59页 |
| 5．1．1 类比和类比推理 | 第58页 |
| 5．1．2 类比学习及其学习过程 | 第58-59页 |
| 5．1．3 焊点定位中学习方法选择 | 第59页 |
| 5．2 焊点编程 | 第59-66页 |
| 5．2．1 系统中信息管理的考虑 | 第59-60页 |
| 5．2．2 图像坐标与电机坐标的转换 | 第60-62页 |
| 5．2．3 焊点编程的过程 | 第62-66页 |
| 5．3 自动焊接 | 第66-69页 |
| 5．3．1 焊点坐标修正 | 第66-68页 |
| 5．3．2 自动定位 | 第68-69页 |
| 5．4 本章小节 | 第69-70页 |
| 第六章 结束语 | 第70-72页 |
| 攻读学位论文期间发表的论文 | 第72-73页 |
| 参考文献 | 第73-76页 |
| 致谢 | 第76-78页 |
