声明
摘要
第1章 绪论
1.1 课题提出的背景和意义
1.1.1 课题提出的背景
1.1.2 课题研究的目的和意义
1.2 国内外研究现状
1.2.1 机器视觉的应用
1.2.2 国内外研究现状
1.3 课题主要研究工作
第2章 零件位姿自动识别系统
2.1 零件位姿自动识别系统结构
2.1.1 零件位姿自动识别系统功能
2.1.2 视觉系统的组成与安装
2.2 零件位姿自动识别系统原理和过程
2.3 单摄像机双目视觉系统模型
2.3.1 双目视觉系统模型的构建
2.3.2 立体视觉测量原理
2.3.3 基于单摄像机的立体视觉系统模型
2.4 本章小结
第3章 摄像机标定
3.1 摄像机成像模型
3.2 摄像机标定方法
3.2.1 传统摄像机标定法
3.2.2 自标定方法
3.2.3 张正友标定法
3.3 摄像机标定试验
3.3.1 摄像机内参标定
3.3.2 摄像机外参标定
3.3.3 摄像机标定结果及误差分析
3.4 本章小结
第4章 零件位姿识别中的图像处理
4.1 数字图像与Matlab图像处理工具箱
4.1.1 数字图像概念
4.1.2 MATLAB图像处理工具箱
4.2 零件图像预处理
4.2.1 图像灰度化
4.2.2 图像滤波
4.2.3 图像二值化
4.3 图像边缘检测
4.4 干扰图像信息的去除
4.4.1 连通域
4.4.2 零件图像分割
4.5 多余边缘线的消除
4.6 本章小结
第5章 基于组合不变矩和神经网络的零件图像识别
5.1 图像识别技术
5.1.1 图像识别技术的发展
5.1.2 图像识别系统组成
5.2 图像特征不变量提取
5.2.1 Hu不变矩
5.2.2 仿射不变矩
5.2.3 归一化转动惯量
5.2.4 组合不变矩
5.3 特征降维
5.3.1 维度灾难
5.3.2 主成分分析
5.4 基于神经网络的零件图像识别
5.4.1 BP神经网络
5.4.2 BP神经网络在零件识别中的应用
5.5 实验与分析
5.5.1 图像处理
5.5.2 组合不变矩的降维
5.5.3 识别结果分析
5.6 本章小结
第6章 基于零件图像质心的立体匹配
6.1 立体匹配基本理论
6.1.1 立体匹配算法
6.1.2 立体视觉中的匹配约束
6.2 图像特征点的提取
6.2.1 角点的定义
6.2.2 角点检测算法
6.3 基于质心平移的立体匹配
6.3.1 立体匹配原理
6.3.2 立体视觉匹配过程
6.3.3 立体匹配实验
6.4 本章小结
第7章 零件位姿识别方法及程序设计
7.1 位姿测量定义与应用
7.2 零件位姿参数求解
7.2.1 坐标系之间相对位姿关系的描述
7.2.2 特征点的三维重建
7.2.3 零件CAD几何信息的获取
7.2.4 位姿参数的求解
7.3 零件位姿识别实验
7.4 零件位姿识别系统界面
7.5 本章小结
结论
参考文献
攻读硕士学位期间所发表的论文
致谢