基于机器视觉的道岔钢轨件端面尺寸测量
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-15页 |
| 1.1 课题研究背景及意义 | 第10-11页 |
| 1.2 机器视觉的研究现状 | 第11-12页 |
| 1.3 钢轨件尺寸测量的研究现状 | 第12-13页 |
| 1.4 本文研究内容 | 第13-14页 |
| 1.5 论文结构 | 第14-15页 |
| 第2章 机器视觉测量系统中图像采集模块的设计 | 第15-20页 |
| 2.1 相机选择 | 第15-16页 |
| 2.2 镜头选择 | 第16页 |
| 2.3 光源选择 | 第16-18页 |
| 2.4 本章小结 | 第18-20页 |
| 第3章 结合数学形态学和动态阈值钢轨端面轮廓提取 | 第20-33页 |
| 3.1 图像滤波 | 第20-23页 |
| 3.1.1 噪声介绍 | 第20页 |
| 3.1.2 滤波方法 | 第20-23页 |
| 3.2 基于“米”字核的数学形态学去噪 | 第23-27页 |
| 3.3 自适应阈值的轮廓提取 | 第27-32页 |
| 3.3.1 计算梯度的幅值和方向 | 第28页 |
| 3.3.2 对梯度幅值进行非极大值抑制 | 第28-29页 |
| 3.3.3 自适应双阈值检测 | 第29-30页 |
| 3.3.4 边缘连接 | 第30-31页 |
| 3.3.5 实验数据分析 | 第31-32页 |
| 3.4 本章小结 | 第32-33页 |
| 第4章 直线特征的提取与拟合 | 第33-42页 |
| 4.1 Hough变换 | 第33-36页 |
| 4.1.1 Hough变换原理 | 第33-34页 |
| 4.1.2 标准Hough变换 | 第34-35页 |
| 4.1.3 Hough变换提取直线 | 第35-36页 |
| 4.2 K-means算法 | 第36-38页 |
| 4.2.1 K-means算法原理 | 第36页 |
| 4.2.2 K-means算法聚类直线 | 第36-38页 |
| 4.3 直线拟合算法 | 第38-40页 |
| 4.4 实验结果 | 第40-41页 |
| 4.5 本章小结 | 第41-42页 |
| 第5章 钢轨端面尺寸测量 | 第42-56页 |
| 5.1 软硬件组成 | 第42页 |
| 5.2 系统标定 | 第42-52页 |
| 5.2.1 摄像机标定概述 | 第42-43页 |
| 5.2.2 摄像机模型 | 第43-44页 |
| 5.2.3 摄像机标定坐标系 | 第44-48页 |
| 5.2.4 本文标定方法 | 第48-50页 |
| 5.2.5 标定结果 | 第50-52页 |
| 5.3 标定结果数据分析 | 第52-54页 |
| 5.4 误差分析 | 第54-55页 |
| 5.4.1 误差原因 | 第54页 |
| 5.4.2 减小误差的方法 | 第54-55页 |
| 5.5 本章小结 | 第55-56页 |
| 结论 | 第56-58页 |
| 参考文献 | 第58-61页 |
| 攻读硕士学位期间承担的科研任务与主要成果 | 第61-62页 |
| 致谢 | 第62-63页 |
| 作者简介 | 第63页 |
