隨著物流行業(yè)在國(guó)內(nèi)快速發(fā)展，貨物分揀效率的要求愈來(lái)愈高。國(guó)內(nèi)大多數(shù)物流分揀中心采用的仍然是人工進(jìn)行貨物分揀，基于圖像配準(zhǔn)的物流分揀檢測(cè)系統(tǒng)可以對(duì)分揀流水線上的物體進(jìn)行快速自動(dòng)地識(shí)別，確保人工分揀的正確性，提高分揀效率，維護(hù)企業(yè)與客戶的利益。本文以圖像配準(zhǔn)為研究對(duì)象，設(shè)計(jì)檢測(cè)系統(tǒng)，利用計(jì)算機(jī)視覺(jué)軟件和軟件開(kāi)發(fā)平臺(tái)完成系統(tǒng)的界面設(shè)計(jì)與功能模塊的實(shí)現(xiàn)。首先闡述了系統(tǒng)的組成、工作原理以及詳細(xì)的設(shè)計(jì)方案。系統(tǒng)硬件主要包括光源、工業(yè)相機(jī)、光學(xué)鏡頭以及工控機(jī)等。再對(duì)軟件開(kāi)發(fā)平臺(tái)和圖像處理軟件進(jìn)行了介紹。接著利用基于混合高斯模型的前景提取算法解決了檢測(cè)區(qū)域內(nèi)貨物圖像的捕獲問(wèn)題。實(shí)驗(yàn)表明，根據(jù)檢測(cè)區(qū)域內(nèi)物體前景的輪廓特征能夠判斷出貨物是否完全進(jìn)入檢測(cè)區(qū)域，從而捕獲圖像用于后續(xù)識(shí)別。然后研究系統(tǒng)涉及的核心匹配算法，包括基于形狀特征的模板匹配和SIFT特征匹配算法。為了同時(shí)滿足識(shí)別速度和精度的需求，利用這兩種算法設(shè)計(jì)系統(tǒng)的檢測(cè)流程實(shí)現(xiàn)對(duì)貨物圖像的識(shí)別。在模板匹配中，不僅介紹了算法的實(shí)現(xiàn)過(guò)程，還研究了利用仿射變換對(duì)圖像進(jìn)行校準(zhǔn)的方法，充分考慮分揀過(guò)程中物體出現(xiàn)旋轉(zhuǎn)、平移等情況。對(duì)SIFT算法進(jìn)一步優(yōu)化，在保證... 

【文章來(lái)源】：南京郵電大學(xué)江蘇省

【文章頁(yè)數(shù)】：90 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
目錄
第一章 緒論
    1.1 課題的研究背景與意義
    1.2 機(jī)器視覺(jué)技術(shù)的概述
    1.3 課題的研究狀況
        1.3.1 配準(zhǔn)技術(shù)的研究狀況
        1.3.2 機(jī)器視覺(jué)系統(tǒng)的研究狀況
    1.4 論文的主要內(nèi)容
第二章 系統(tǒng)總體方案設(shè)計(jì)
    2.1 系統(tǒng)工作原理
        2.1.1 系統(tǒng)組成
        2.1.2 檢測(cè)算法流程
        2.1.3 系統(tǒng)工作原理
    2.2 系統(tǒng)的硬件組成
        2.2.1 工業(yè)相機(jī)
        2.2.2 光學(xué)鏡頭
        2.2.3 光源設(shè)計(jì)
        2.2.4 工控機(jī)選擇
    2.3 系統(tǒng)軟件平臺(tái)介紹
        2.3.1 軟件開(kāi)發(fā)平臺(tái)Visual studio 2005
        2.3.2 計(jì)算機(jī)視覺(jué)類庫(kù)OpenCV
    2.4 本章小結(jié)
第三章 圖像捕獲與模板匹配
    3.1 圖像預(yù)處理
        3.1.1 圖像濾波
        3.1.2 閾值分割
        3.1.3 邊緣檢測(cè)
    3.2 檢測(cè)區(qū)域內(nèi)圖像的捕獲
        3.2.1 主要思想
        3.2.2 高斯混合模型初始化
        3.2.3 高斯混合模型更新
        3.2.4 運(yùn)動(dòng)前景檢測(cè)
        3.2.5 實(shí)驗(yàn)與結(jié)果分析
    3.3 基于形狀特征的模板匹配
        3.3.1 匹配流程
        3.3.2 形狀特征描述
        3.3.3 匹配策略
        3.3.4 相似性計(jì)算
        3.3.5 仿射變換
        3.3.6 實(shí)驗(yàn)與結(jié)果分析
    3.4 本章小結(jié)
第四章 SIFT檢測(cè)算法的研究與優(yōu)化
    4.1 SIFT算法的原理和特點(diǎn)
    4.2 SIFT算法的實(shí)現(xiàn)過(guò)程
        4.2.1 DoG尺度空間的構(gòu)建
        4.2.2 特征點(diǎn)檢測(cè)
        4.2.3 特征描述子生成
        4.2.4 特征點(diǎn)匹配
    4.3 SIFT主要變形算法
        4.3.1 PCA-SIFT算法
        4.3.2 GLOH算法
    4.4 SIFT算法的優(yōu)化
        4.4.1 算法存在的問(wèn)題
        4.4.2 算法的優(yōu)化
    4.5 實(shí)驗(yàn)與結(jié)果分析
    4.6 本章小結(jié)
第五章 系統(tǒng)軟件模塊的設(shè)計(jì)與實(shí)現(xiàn)
    5.1 系統(tǒng)軟件總述
    5.2 功能模塊實(shí)現(xiàn)
        5.2.1 圖像采集模塊
        5.2.2 檢測(cè)算法模塊
        5.2.3 模板創(chuàng)建模塊
        5.2.4 數(shù)據(jù)庫(kù)模塊
    5.3 系統(tǒng)主界面的設(shè)計(jì)
    5.4 系統(tǒng)驗(yàn)證與結(jié)果分析
    5.5 多線程技術(shù)在系統(tǒng)中的應(yīng)用
        5.5.1 多線程技術(shù)的介紹
        5.5.2 實(shí)驗(yàn)與結(jié)果分析
    5.6 本章小結(jié)
第六章 總結(jié)與展望
    一、 總結(jié)
    二、 展望
參考文獻(xiàn)
致謝


【參考文獻(xiàn)】：
期刊論文
[1]一種基于Canny算子改進(jìn)的邊緣檢測(cè)算法[J]. 靳艷紅,蒙建軍.  重慶文理學(xué)院學(xué)報(bào)(自然科學(xué)版). 2011(02)
[2]對(duì)多線程技術(shù)的探究[J]. 楊榮剛.  科技傳播. 2010(20)
[3]一種自適應(yīng)閾值的運(yùn)動(dòng)目標(biāo)提取算法[J]. 孫明玉,丁瑩,李文輝,江琦,徐長(zhǎng)青.  計(jì)算機(jī)應(yīng)用研究. 2010(06)
[4]運(yùn)動(dòng)目標(biāo)跟蹤系統(tǒng)的遮擋問(wèn)題處理[J]. 鄭可飚,黃文清,張佐理,李艷芳.  計(jì)算機(jī)工程與設(shè)計(jì). 2009(11)
[5]基于輪廓的形狀特征提取與識(shí)別方法[J]. 周正杰,王潤(rùn)生.  計(jì)算機(jī)工程與應(yīng)用. 2006(14)
[6]基于多尺度通用傅里葉描述子的灰度圖像檢索[J]. 章志勇,潘志庚,張明敏,吳海虹.  中國(guó)圖象圖形學(xué)報(bào). 2005(05)
[7]我國(guó)自動(dòng)分揀技術(shù)及其應(yīng)用[J]. 宋召衛(wèi).  中國(guó)物流與采購(gòu). 2003(06)
[8]圖象灰度的處理方法及實(shí)現(xiàn)[J]. 孫勁光,張文斌,朱世安.  遼寧工程技術(shù)大學(xué)學(xué)報(bào)(自然科學(xué)版). 2002(03)
[9]視覺(jué)識(shí)別移動(dòng)式分揀裝盤機(jī)器人的系統(tǒng)集成[J]. 王家鵬,金桂根.  煙草科技. 2001(05)
[10]基于點(diǎn)集不變性匹配的目標(biāo)檢測(cè)與識(shí)別方法[J]. 田原,梁德群,吳更石.  計(jì)算機(jī)學(xué)報(bào). 1999(02)

博士論文
[1]灌裝自動(dòng)化生產(chǎn)線上視覺(jué)檢測(cè)機(jī)器人研究[D]. 劉煥軍.湖南大學(xué) 2008

碩士論文
[1]基于顏色和形狀特征的圖像檢索技術(shù)及其應(yīng)用[D]. 馬凌蛟.吉林大學(xué) 2011
[2]基于SIFT算子的雙目視覺(jué)立體匹配算法研究[D]. 李巖琪.西安電子科技大學(xué) 2010
[3]基于SURF的圖像配準(zhǔn)與拼接技術(shù)研究[D]. 卜珂.大連理工大學(xué) 2009
[4]圖像處理技術(shù)在啤酒瓶在線檢測(cè)系統(tǒng)中的應(yīng)用[D]. 王玉林.南京理工大學(xué) 2004



本文編號(hào)：3221469