声明
致谢
摘要
1 绪论
1.1研究背景及意义
1.2国内外研究现状
1.2.1机械检测
1.2.2光电检测
1.2.3光学检测
1.2.4激光检测
1.2.5基于机器视觉的检尺系统
1.2.6木材自动化检尺系统的难度
1.3论文的主要内容和组织结构
2深度学习与目标检测
2.1 目标检测算法
2.2深度学习简介
2.3基于深度学习的目标检测算法
2.4 YOLO算法与SSD算法
2.4.1 YOLO算法简介
2.4.2 SSD算法简介
2.5有效区域的进一步处理
2.5.1 GrabCut图像分割算法
2.5.2滤波操作
2.5.3将图像二值化
2.6本章实验
2.6.1实验设计
2.6.2木材照片的拍摄
2.6.3选择深度学习平台与软硬件环境
2.6.4制作训练集
2.6.5对SSD和YOLO模型进行训练
2.6.6模型测试与对比
2.6.7有效区域的进一步处理
2.6本章小结
3特征点匹配与三维重建
3.1计算机视觉简介
3.2特征点识别与匹配
3.2.1 SURF与SIFT算法识别特征点
3.2.2 FLANN特征匹配算法
3.2.3 RANSAC算法剔除误匹配结果
3.3三维重建基础
3.3.1 图像坐标系与世界坐标系
3.3.2坐标系之间的转换
3.4三维重建
3.4.1标定相机的内参
3.4.2基础矩阵与本征矩阵
3.4.3求解三维点坐标
3.5本章实验
3.5.1特征点检测
3.5.2特征点匹配与剔除
3.5.3求解相机内参
3.5.4求解基础矩阵
3.5.5求解本征矩阵以及三维坐标点
3.6本章小结
4三维空间的测量
4.1特征点凸包求解
4.2求解拟合平面
4.3凸包的空间投影面积
4.4三维平面的矫正
4.4.1 Hough算法检测直线
4.4.2特征点到直线距离
4.4.3将直线恢复到空间位置
4.4.4空间点到直线距离
4.4.5求解木材截面真实面积
4.5本章实验
4.5.1木材的手工测量
4.5.4 Hough直线检测以及特征点高度
4.5.2求解凸包
4.5.3求解拟合平面以及凸包投影
4.5.5三维平面的矫正
4.6本章小结
5总结与展望
5.1 总结
5.2工作展望
参考文献
作者简历及攻读硕士学位期间取得的研究成果
学位论文数据集
北京交通大学;