声明
摘要
1 引言
1.1 课题的背景及研究意义
1.2 计算机视觉与机器视觉
1.3 基于机器视觉检测发展状况和发展趋势
1.3.1 机器视觉检测的发展状况
1.3.2 机器视觉的发展趋势
1.4 本论文结构安排
2 计算机视觉测量基础及实验平台
2.1 针孔成像模型
2.2 实验平台
3 图像去噪方法和边缘提取方法
3.1 图像去噪
3.1.1 图像噪声
3.1.2 图像滤波
3.2 边缘检测
3.2.1 Roberts算子
3.2.2 Sobel算子
3.2.3 Prewitt算子
3.2.4 Kirsch算子
3.2.5 LoG算子
3.3.1 Canny算子
3.3.2 Canny算子存在不足
3.3.3 改进的Canny算子
3.4 算法对比
4 全景图像拼接
4.1 图像配准
4.1.1 基于区域的图像配准方法
4.1.2 基于特征的配准方法
4.1.3 图像配准结果分析
4.1.4 k-d树加速特征点匹配
4.1.5 RANSAC寻找图像之间的变换关系
4.1.6 通过概率方法验证图像之间的匹配关系
4.2 捆绑调整
4.2.3 L-M算法实现捆绑调整
4.3 图像融合方法
4.4 全景图像拼接结果
5 工件尺寸检测
5.1 霍夫变换
5.1.1 霍夫变换直线识别算法
5.1.2 霍夫变换圆识别算法
5.2 边缘跟踪
5.3 圆参数检测
5.3.1 最小二乘法检测圆
5.3.2 距离之和最小方法检测圆
5.3.3 最小二乘检测椭圆方法
5.3.4 拟合结果对比
5.4 测量数据及分析
5.4.1 圆直径测量结果对比
5.4.2 圆之间中心距测量结果
6 总结和展望
参考文献
攻读硕士学位期间发表的论文及所取得的研究成果
致谢