針對目前面向大幅面布料激光切割的攝像機(jī)標(biāo)定與多目標(biāo)識別中現(xiàn)有的算法存在標(biāo)定過程復(fù)雜、運(yùn)算量大且結(jié)果不穩(wěn)定;對大幅面圖像多目標(biāo)識別過程工作效率低、操作繁瑣、識別過程實時性差、對帶有偏角的目標(biāo)識別率低,甚至出現(xiàn)無法識別等一系列問題,本文提出一種基于九圓點(diǎn)的攝像機(jī)自標(biāo)定算法,以及一種大幅面多目標(biāo)識別的快速匹配算法。1、基于九圓點(diǎn)的攝像機(jī)自標(biāo)定算法首先計算出九圓點(diǎn)的亞像素圖像坐標(biāo),結(jié)合已知的九圓點(diǎn)世界坐標(biāo)系坐標(biāo)來求解其仿射投影矩陣,利用該仿射投影矩陣線性求解出攝像機(jī)內(nèi)參,然后考慮非線性畸變因素,求解出畸變系數(shù),并對九圓點(diǎn)圖像進(jìn)行畸變矯正。最后在矯正后的九圓點(diǎn)圖像中求出內(nèi)外共八個仿射投影矩陣,并取其均值做為單應(yīng)性矩陣。從而完成攝像機(jī)的快速標(biāo)定。2、大幅面多目標(biāo)識別的快速匹配算法首先對激光切割機(jī)上的大幅面原始圖像作傅里葉變換計算出目標(biāo)旋轉(zhuǎn)角度,從而對圖像進(jìn)行旋轉(zhuǎn)校正目標(biāo),對校正目標(biāo)的圖像作雙線性插值下采樣縮放進(jìn)行粗匹配,然后基于分區(qū)域隔離的小生境遺傳算法的并行搜索作為目標(biāo)識別的搜索策略來進(jìn)行精匹配。最后在完成目標(biāo)識別后加上切割目標(biāo)的輪廓,再對圖像進(jìn)行逆旋轉(zhuǎn)還原目標(biāo)與切割輪廓在機(jī)床上的原始位置,從而...

【文章頁數(shù)】：80 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
ABSTRACT
第一章 緒論
    1.1 本課題研究背景及意義
    1.2 攝像機(jī)標(biāo)定的研究現(xiàn)狀
    1.3 模板匹配的國內(nèi)外研究現(xiàn)狀
        1.3.1 國外研究現(xiàn)狀
        1.3.2 國內(nèi)研究現(xiàn)狀
    1.4 本文的主要研究內(nèi)容
    1.5 本文的章節(jié)安排
第二章 基于九圓點(diǎn)的攝像機(jī)自標(biāo)定算法
    2.1 引言
    2.2 相機(jī)標(biāo)定的基本原理
    2.3 相機(jī)模型
        2.3.1 線性模型
        2.3.2 非線性模型
    2.4 坐標(biāo)轉(zhuǎn)換
        2.4.1 像素坐標(biāo)與圖像平面坐標(biāo)關(guān)系
        2.4.2 圖像平面坐標(biāo)與相機(jī)坐標(biāo)系關(guān)系
        2.4.3 相機(jī)坐標(biāo)系與世界坐標(biāo)系關(guān)系
    2.5 激光切割視覺系統(tǒng)攝像機(jī)快速標(biāo)定方法
        2.5.1 基于九圓點(diǎn)的標(biāo)定算法設(shè)計思路
        2.5.2 算法的流程
        2.5.3 九圓點(diǎn)標(biāo)定算法的實現(xiàn)過程
        2.5.4 九圓點(diǎn)標(biāo)定算法的實驗驗證
    2.6 本章小結(jié)
第三章 基于雙線性插值算法的粗匹配算法
    3.1 引言
    3.2 粗匹配算法設(shè)計思路
    3.3 目標(biāo)旋轉(zhuǎn)角度的求解及校正
        3.3.1 傅里葉變換求圖像旋轉(zhuǎn)角度原理
        3.3.2 圖像的傅里葉變換
        3.3.3 頻域圖像的處理及直線檢測
        3.3.4 圖像旋轉(zhuǎn)角度的求解及圖像校正
    3.4 基于雙線性插值算法的粗匹配原理
        3.4.1 雙線性插值原理
        3.4.2 圖像縮放的實驗結(jié)果與分析
        3.4.3 基于雙線性插值算法粗匹配流程
    3.5 粗匹配的實現(xiàn)過程
        3.5.1 模板的創(chuàng)建
        3.5.2 粗匹配的實驗結(jié)果與分析
    3.6 本章小結(jié)
第四章 基于分區(qū)域隔離小生境遺傳算法的精匹配算法
    4.1 引言
    4.2 精匹配算法設(shè)計思路
    4.3 基于分區(qū)域隔離小生境遺傳算法的精匹配
        4.3.1 小生境遺傳算法
        4.3.2 分區(qū)域隔離小生境遺傳算法
        4.3.3 基于分區(qū)域隔離小生境遺傳算法的精匹配算法設(shè)計
        4.3.4 編碼方法的設(shè)計
        4.3.5 操作算子
        4.3.6 目標(biāo)函數(shù)
        4.3.7 終止準(zhǔn)則
        4.3.8 基于分區(qū)域隔離小生境遺傳算法的精匹配流程
    4.4 精匹配的實驗結(jié)果與分析
    4.5 本章小結(jié)
第五章 實驗結(jié)果分析和系統(tǒng)軟件介紹
    5.1 引言
    5.2 實驗的硬件與軟件環(huán)境
        5.2.1 實驗的硬件環(huán)境
        5.2.2 實驗的軟件環(huán)境
        5.2.3 標(biāo)定與識別總運(yùn)行流程圖
    5.3 實驗的結(jié)果與性能分析
        5.3.1 算法的性能評價標(biāo)準(zhǔn)
        5.3.2 匹配過程的性能測試
    5.4 軟件系統(tǒng)開發(fā)與實現(xiàn)
        5.4.1 攝像機(jī)標(biāo)定工具欄
        5.4.2 模板匹配工具欄
    5.5 本章小結(jié)
第六章 總結(jié)與展望
    6.1 總結(jié)
    6.2 展望
參考文獻(xiàn)
攻讀學(xué)位期間發(fā)表的論文
致謝



本文編號：3851073