基于單目視覺的三維掃描測量技術(shù)具有測量精度高、動態(tài)響應(yīng)快、效率高和分辨率高等優(yōu)點,近年來,被廣泛應(yīng)用于產(chǎn)品快速設(shè)計、產(chǎn)品質(zhì)量檢測、安全控制以及物體識別等諸多領(lǐng)域。然而,國內(nèi)大多數(shù)鋼鐵企業(yè)的鋼卷包裝質(zhì)量檢測仍處于以人工檢測為主的狀態(tài),因此,開展基于單目視覺的鋼卷捆帶自動識別方法研究具有重要的技術(shù)價值和廣闊的應(yīng)用前景。本文針對鋼卷包裝人工質(zhì)量檢測效率低的問題,提出一種基于CCD/結(jié)構(gòu)光的鋼卷捆帶自動識別方法,該方法基于單目視覺的三維掃描測量技術(shù),主要通過激光發(fā)射器、光源、CCD工業(yè)相機和計算機等裝置,構(gòu)建基于單目視覺的三維掃描測量平臺,自動識別鋼卷捆帶,完成鋼卷包裝的質(zhì)量檢測。該方法與傳統(tǒng)的人工質(zhì)量檢測方法相比,具有安全高效、分辨率高和測量精確高等特點。本文的研究工作主要包括:1.針對本文采用的基于CCD/結(jié)構(gòu)光的鋼卷捆帶自動識別方法,闡述了其研究背景及意義,總結(jié)了國內(nèi)外結(jié)構(gòu)光測量技術(shù)、結(jié)構(gòu)光條紋中心線提取技術(shù)和基于視覺的三維重建技術(shù)的研究現(xiàn)狀,總結(jié)了基于單目視覺的三維掃描測量技術(shù)在自動識別鋼卷捆帶、完成鋼卷包裝的質(zhì)量檢測中所存在的問題,提出了本課題的研究內(nèi)容和總體解決方案。2.針對工業(yè)相... 

【文章來源】：重慶郵電大學(xué)重慶市

【文章頁數(shù)】：79 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
abstract
第1章 引言
    1.1 研究背景與意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 國內(nèi)外三維測量技術(shù)的發(fā)展現(xiàn)狀
        1.2.2 結(jié)構(gòu)光條紋中心線提取方法的發(fā)展現(xiàn)狀
        1.2.3 三維重建技術(shù)的研究現(xiàn)狀
    1.3 論文主要研究內(nèi)容
    1.4 論文的結(jié)構(gòu)和安排
第2章 總體方案設(shè)計
    2.1 熱軋鋼卷捆帶質(zhì)量檢測缺陷類型及檢測時所面臨的問題
        2.1.1 熱軋鋼卷包裝打捆過程中出現(xiàn)的捆帶質(zhì)量缺陷類型
        2.1.2 熱軋鋼卷捆帶質(zhì)量缺陷檢測所面臨的干擾問題
    2.2 熱軋鋼卷捆帶質(zhì)量缺陷檢測總體方案設(shè)計
        2.2.1 鋼卷捆帶自動識別裝置的結(jié)構(gòu)介紹
        2.2.2 鋼卷捆帶自動識別方法介紹
    2.3 本章小結(jié)
第3章 相機系統(tǒng)
    3.1 相機成像模型
    3.2 成像坐標(biāo)系統(tǒng)
    3.3 相機模型
        3.3.1 相機模型分類
        3.3.2 畸變參數(shù)
    3.4 相機標(biāo)定
        3.4.1 相機標(biāo)定問題
        3.4.2 張正友標(biāo)定法
    3.5 本章小結(jié)
第4章 結(jié)構(gòu)光條紋中心線提取方法
    4.1 圖像預(yù)處理
    4.2 經(jīng)典的Zhang-Suen并行快速細化算法
    4.3 經(jīng)典的Steger算法及其改進
        4.3.1 經(jīng)典的Steger算法
        4.3.2 改進的Steger算法
    4.4 結(jié)構(gòu)光條紋中心線提取實驗與分析
    4.5 本章小結(jié)
第5章 圖像特征提取與匹配算法研究
    5.1 圖像特征提取
        5.1.1 Harris算法
        5.1.2 Shi-Tomasi算法
    5.2 圖像特征提取實驗與分析
    5.3 圖像特征匹配
        5.3.1 SURF算法
        5.3.2 SIFT算法
        5.3.3 FAST算法
        5.3.4 ORB算法
    5.4 圖像特征匹配實驗與分析
    5.5 本章小結(jié)
第6章 基于單目視覺的三維重建實驗結(jié)果與分析
    6.1 實驗平臺環(huán)境搭建
        6.1.1 硬件平臺
        6.1.2 軟件平臺
    6.2 三維重建
        6.2.1 三維重建的步驟
        6.2.2 三維空間點計算
    6.3 實驗結(jié)果與分析
        6.3.1 激光中心線微觀位移量提取
        6.3.2 基于單目視覺的三維重建
        6.3.3 系統(tǒng)性能分析
    6.4 本章小結(jié)
第7章 工作總結(jié)與展望
    7.1 工作總結(jié)
    7.2 工作展望
參考文獻
致謝
攻讀碩士學(xué)位期間從事的科研工作及取得的成果


【參考文獻】：
期刊論文
[1]基于運動軌跡的單目相機位姿自標(biāo)定方法[J]. 張墨逸,張秋余,段宏湘,楊樹強.  華中科技大學(xué)學(xué)報(自然科學(xué)版). 2019(02)
[2]基于距離加權(quán)的分區(qū)域相機標(biāo)定方法[J]. 凌寒羽,彭彬彬.  中國電子科學(xué)研究院學(xué)報. 2019(01)
[3]ROS系統(tǒng)下的相機標(biāo)定研究[J]. 謝宇忻,劉延雯,王鑠,蔡俊.  電腦與電信. 2018(11)
[4]結(jié)構(gòu)光測量系統(tǒng)光條中心提取算法研究[J]. 梅峻華,賴磊捷.  電子測量技術(shù). 2018(21)
[5]Fast 3D reconstruction of dental cast model based on structured light[J]. 宋麗梅,林文偉,楊燕罡,朱新軍,郭慶華,楊懷棟.  Optoelectronics Letters. 2018(06)
[6]Geo-location for Ground Target with Multiple Observations Using Unmanned Aerial Vehicle[J]. Xu Cheng,He Chenglong,Huang Daqing.  Transactions of Nanjing University of Aeronautics and Astronautics. 2018(05)
[7]基于特征提取與匹配的帶鋼缺陷檢測[J]. 洪奔奔,管聲啟,任浪,高磊.  軟件. 2018(09)
[8]一種新的移軸相機兩步標(biāo)定方法[J]. 柳升龍,孫聰,劉海波,于起峰.  中國科學(xué):技術(shù)科學(xué). 2018(08)
[9]基于Tsai兩步法的視覺點膠系統(tǒng)相機標(biāo)定方法[J]. 馬喜平,李迪,姚俠楠,馬苑晉.  自動化與儀表. 2018(05)
[10]3D Face Reconstruction Using Images from Cameras with Varying Parameters[J]. Mostafa Merras,Soulaiman El Hazzat,Abderrahim Saaidi,Khalid Satori,Abderrazak Gadhi Nazih.  International Journal of Automation and Computing. 2017(06)

碩士論文
[1]基于雙目視覺的車輛尺寸測量技術(shù)研究[D]. 王潛.南京郵電大學(xué) 2018
[2]基于結(jié)構(gòu)光的三維形貌視覺測量方法研究[D]. 馬晨.西安理工大學(xué) 2018
[3]基于線結(jié)構(gòu)光的輕軌接觸網(wǎng)缺陷三維檢測方法研究[D]. 劉賀.重慶大學(xué) 2017
[4]面向結(jié)構(gòu)光對縫測量的光條細化方法[D]. 丁祖嬌.南京航空航天大學(xué) 2017
[5]鞍鋼熱軋鋼卷庫物流管理系統(tǒng)的設(shè)計與實現(xiàn)[D]. 郝延卓.大連理工大學(xué) 2012



本文編號：3185719