在機械自動化裝配、對接領域,存在很多軸孔裝配的場景,通過檢測零件上的圓孔可以獲得圓心坐標、圓孔法向量等一些參數(shù)信息,即得到圓孔的空間位姿,為軸孔的自動化裝配過程提供準確的導航。近年來,視覺檢測技術發(fā)展迅速,由于其具有效率高、非接觸、精度高等特點,因此已經被廣泛地應用于軸孔裝配過程中圓孔位姿的檢測。而在零件圓孔位姿的視覺檢測過程中,由于存在一些光照不穩(wěn)定、待檢測圓孔在相機視野中占比較小等非理想檢測場景,導致無法檢測出有效的圓孔信息,因此需要提高圓孔檢測過程的圖像質量。傳統(tǒng)的方法是通過提升硬件性能提高圖像的分辨率,而考慮到一些機械自動化裝配場景下視覺檢測設備需要大規(guī)模部署,提升硬件所花費的經濟成本很高,并且對于圖像質量的提高有限,本文提出將圖像超分辨率重建技術應用于工業(yè)軸孔裝配過程中圓孔位姿視覺檢測任務,解決檢測圖像分辨率不足的問題,提高圓孔位姿檢測的準確性。本文的主要研究內容如下:（1）構建面向工業(yè)零件邊緣增強的圖像超分辨率重建模型。首先建立工業(yè)零件樣本庫并進行預處理,再采用面向邊緣增強的特征分布損失函數(shù)以及殘差塊簡化方法改進深度遞歸殘差超分辨率重建模型,使模型訓練結果更加適用于工業(yè)圓孔... 

【文章來源】：浙江大學浙江省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：91 頁

【學位級別】：碩士

【部分圖文】：

圖２－１高分辨率圖像樣本??．．

?ｏｔｈｅｒｗｉｓｅ．??對本文所使用的原始樣本庫進行基于三次卷積插值的圖像退化操作，生成??相應的寬和高各縮小兩倍的低分辨率圖像，部分結果如圖２－３所示。??１８??

驗證集和測試集。??本文模型使用的輸入圖像大小為９６?ｘ?９６，需要對擴展的訓練集進行圖像切??割。為了使訓練集得到進一步增強，采用如圖２－４的方法進行切割。??ｋ＝７８??「丨——??５－７７?｜ｐ?；??－ｎ?Ｖｉ??高分辨率圖像塊??＾??Ｗ＝２５９２??圖２－４高分辨率圖像切割??在圖２－４中，使用９６?Ｘ?９６的窗口進行滑動切割，根據原始圖像的大小設置向??右滑動的步長Ａ＝７８，向下滑動的步長ｓ＝７７，使得每張原始圖像可以被切割成７６８??個大小為９６?Ｘ?９６的圖像塊，滿足模型輸入條件的同時實現(xiàn)了訓練數(shù)據的增強。??２．３面向邊緣增強的圖像特征分布度量??基于本論文的研究任務，本節(jié)旨在尋找一種能夠提升超分辨率重建模型對??２０??

【參考文獻】：
期刊論文
[1]基于雙目視覺的數(shù)控機床動態(tài)輪廓誤差三維測量方法[J]. 劉巍,李肖,李輝,潘翼,賈振元.  機械工程學報. 2019(10)
[2]基于雙目視覺的障礙物檢測方法研究[J]. 劉銳,陳鳳翔,陳科羽,劉勝南.  計算機測量與控制. 2018(12)
[3]具有同心圓特征的非合作目標超近距離姿態(tài)測量[J]. 王珂,陳小梅,韓旭.  光電工程. 2018(08)
[4]邊緣增強深層網絡的圖像超分辨率重建[J]. 謝珍珠,吳從中,詹曙.  中國圖象圖形學報. 2018 (01)
[5]改進的基于卷積神經網絡的圖像超分辨率算法[J]. 肖進勝,劉恩雨,朱力,雷俊鋒.  光學學報. 2017(03)
[6]基于邊緣增強的正則化超分辨率圖像重建[J]. 劉穎,權婉,伍世虔.  西安郵電大學學報. 2016(06)
[7]邊緣增強的多字典學習圖像超分辨率重建算法[J]. 詹曙,方琪.  光電工程. 2016(04)
[8]基于深度學習的圖像超分辨率算法研究[J]. 胡傳平,鐘雪霞,梅林,邵杰,王建,何瑩.  鐵道警察學院學報. 2016(01)
[9]基于極線校正的亞像素相位立體匹配方法[J]. 肖志濤,盧曉方,耿磊,張芳,吳駿,李月龍,郎建業(yè),甘鵬,劉洋.  紅外與激光工程. 2014(S1)
[10]新的基于稀疏表示單張彩色超分辨率算法[J]. 楊玲,劉怡光,黃蓉剛,黃增喜.  計算機應用. 2013(02)

博士論文
[1]高溫單晶硅液位和直徑視覺檢測關鍵技術及應用研究[D]. 項森偉.浙江大學 2018

碩士論文
[1]基于相位信息的圖像邊緣檢測算法研究[D]. 羅進.湖南大學 2017
[2]基于雙目立體視覺的相位匹配算法研究[D]. 胡海.中南大學 2013



本文編號：3239691