為了更好的適應制造業(yè)的新形勢,滿足消費者日益增長的個性化需求,傳統(tǒng)的裝配車間急需一種智能化的裝配監(jiān)測系統(tǒng),能夠智能識別裝配體各零件并監(jiān)測裝配過程。針對機械產(chǎn)品裝配中零件識別及裝配監(jiān)測相關問題,研究了一種基于深度圖像的裝配體零件識別及裝配監(jiān)測方法。與普通彩色圖像相比,深度圖像不僅能夠檢測場景的三維信息,而且具有較強的抗光照干擾、色度干擾及陰影干擾等環(huán)境因素干擾的能力,因此受到計算機視覺領域的關注。完成主要工作如下:（1）構建了裝配體深度圖像標記樣本庫。深度圖像標記樣本庫主要包括合成深度圖像標記樣本庫和真實深度圖像標記樣本庫,在構建合成深度圖像標記樣本庫時,首先,建立裝配體三維模型,并利用不同顏色標記各零件模型;然后,利用人工合成法,合成模型深度圖像及對應的顏色標簽圖像;最后,旋轉模型獲取不同視角下的合成深度圖像及顏色標簽圖像并構建合成深度圖像標記樣本庫。在構建真實深度圖像標記樣本庫時,首先,利用深度傳感器采集裝配體的真實深度圖像并進行空洞填充及平滑處理;然后,采用人工標記法標記各零件;最后,整理不同視角下的真實深度圖像與顏色標簽圖像,構建真實深度圖像標記樣本庫。（2）提出了PX-LBP算... 

【文章來源】：青島理工大學山東省

【文章頁數(shù)】：88 頁

【學位級別】：碩士

【部分圖文】：

單個零件及裝配體內各零件

青 島 理 工 大 學 工 學 碩 士 學 位 論 文分析表 1.1 可得，深度圖像與彩色圖像相比存在以下三大優(yōu)點：①抗干擾性深度圖像不會像彩色圖像一樣受到光照、陰影等外界環(huán)境的影響，且具有顏變性；②包含三維信息，深度圖像含有場景中的距離信息，即灰度值的變化接反應出視場 Z 的變化，簡化了物體的三維重建。③目標物體檢測效率高，深度圖像可以根據(jù)距離信息快速的檢測出目標物體的輪廓，極大了簡化了物廓提取的過程，圖 1.2 為實際采集減速器的 RGB 圖像及對應的深度圖像。

原始LBP特征

【參考文獻】：
期刊論文
[1]基于卷積神經(jīng)網(wǎng)絡的左右眼識別[J]. 鐘志權,袁進,唐曉穎.  計算機研究與發(fā)展. 2018(08)
[2]基于Haar-like和AdaBoost的車臉檢測[J]. 朱善瑋,李玉惠.  電子科技. 2018(08)
[3]權重融合深度圖像與骨骼關鍵幀的行為識別[J]. 許艷,侯振杰,梁久禎,陳宸,賈靚,宋毅.  計算機輔助設計與圖形學學報. 2018(07)
[4]一種過盈壓裝裝配工序的過程監(jiān)測系統(tǒng)[J]. 周銓.  機電產(chǎn)品開發(fā)與創(chuàng)新. 2018(03)
[5]一種改進Haar-like特征的車輛識別算法[J]. 羅瑞奇,鐘忺,鐘珞,李琳.  武漢大學學報(理學版). 2018(03)
[6]基于像素濾波和中值濾波的深度圖像修復方法[J]. 劉繼忠,吳文虎,程承,王光輝,曾成.  光電子·激光. 2018(05)
[7]融合局部紋理和形狀特征的人臉表情識別[J]. 胡敏,滕文娣,王曉華,許良鳳,楊娟.  電子與信息學報. 2018(06)
[8]基于深度卷積-遞歸神經(jīng)網(wǎng)絡的手繪草圖識別方法[J]. 趙鵬,劉楊,劉慧婷,姚晟.  計算機輔助設計與圖形學學報. 2018(02)
[9]基于視覺的航天電連接器的智能識別與裝配引導[J]. 汪嘉杰,王磊,范秀敏,尹旭悅.  計算機集成制造系統(tǒng). 2017(11)
[10]基于Sobel算子的工件圓弧輪廓特征提取[J]. 化春鍵,熊雪梅,陳瑩.  激光與光電子學進展. 2018(02)

碩士論文
[1]基于機器視覺的機械零件的識別研究[D]. 張叢.天津職業(yè)技術師范大學 2015
[2]交叉口復雜場景下目標檢測與跟蹤技術研究[D]. 呂復強.浙江大學 2013



本文編號：3594789