本文關(guān)鍵詞：基于機器視覺的特定部件測量技術(shù)研究與實現(xiàn)，，由筆耕文化傳播整理發(fā)布。

【摘要】：機器視覺作為現(xiàn)代智能工業(yè)中的“眼睛”,將相機采集的數(shù)據(jù)通過圖像處理方法得到目標圖像特征,并利用目標檢測方法輔助智能設備完成相應操作。其在特定部件的測量中有重要研究意義和工業(yè)應用價值,由于特定部件具有結(jié)構(gòu)不規(guī)則、位姿特異并且關(guān)聯(lián)影響因素多等特點,不能利用傳統(tǒng)的機器視覺方法解決其位姿測量問題。本文在對基于機器視覺的特定部件測量方法的研究基礎上,提出了基于DTBNN(Decision Tree Based Neutral Network)的單目機器視覺雙閾值圖像分割方法和基于單目機器視覺的特征平面位姿測量方法。為了能夠?qū)崿F(xiàn)動態(tài)無灰度特征峰值的圖像分割,本文提出了一種基于決策樹的神經(jīng)網(wǎng)絡雙閾值圖像分割方法。該方法首先運用決策樹與神經(jīng)網(wǎng)絡的對應關(guān)系,構(gòu)建出穩(wěn)定、訓練高效的神經(jīng)網(wǎng)絡；然后從實驗采集的圖像中提取圖像灰度均值、最大灰度偏差與閾值映射函數(shù)作為樣本數(shù)據(jù)訓練神經(jīng)網(wǎng)絡；最后采用訓練好的神經(jīng)網(wǎng)絡對被測圖像進行閾值映射函數(shù)篩選,并計算出被測圖像的上下灰度閾值完成對圖像的雙閾值分割。仿真實驗表明,該方法不依賴于灰度直方圖的峰值特征,能獲取較好的上下限分割閡值；與最大類間方差雙閾值法和最大熵雙閾值法比較,能夠在動態(tài)圖像中實現(xiàn)雙閾值分割。為了在單目機器視覺中實現(xiàn)對空間兩坐標系間位姿關(guān)系進行測量,本文提出了一種基于特征平面的單目機器視覺位姿測量方法。首先對基于特征點和特征線的位姿測量方法進行分析,將姿態(tài)關(guān)系求解轉(zhuǎn)化為兩空間坐標系內(nèi)平面方向向量間關(guān)系,由此可以得到旋轉(zhuǎn)矩陣分量,通過求解旋轉(zhuǎn)矩陣內(nèi)旋轉(zhuǎn)分量完成相對位姿測量。以實際工程圖像為測量數(shù)據(jù),經(jīng)過幾何論證分析其可行性,并與基于特征點模型的位姿測量方法和基于特征線模型的位姿測量方法進行比較分析,得出此方法在實際工程中有較好的測量效果和較小的誤差,滿足實際工程精度及實時性要求。本文所提出的閾值圖像分割方法和視覺位姿測量方法經(jīng)過實驗對比分析可知,能夠有效的實現(xiàn)雙閾值圖像分割和姿態(tài)測量。并將兩方法應用在實際工程中,經(jīng)過系統(tǒng)實際測試表現(xiàn)出較好的穩(wěn)定性和實用性,達到工程測量精度要求。
【關(guān)鍵詞】：DTBNN 雙閾值 圖像分割 單目視覺 特征平面 位姿測量
【學位授予單位】：北方工業(yè)大學
【學位級別】：碩士
【學位授予年份】：2016
【分類號】：TP391.41
【目錄】：

• 摘要3-4
• ABSTRACT4-9
• 第一章 緒論9-15
• 1.1 引言9
• 1.2 背景與意義9-11
• 1.2.1 課題背景9-10
• 1.2.2 研究意義10-11
• 1.3 國內(nèi)外研究現(xiàn)狀11-12
• 1.3.1 國外研究現(xiàn)狀11
• 1.3.2 國內(nèi)研究現(xiàn)狀11-12
• 1.4 課題研究內(nèi)容12-15
• 1.4.1 課題項目12-13
• 1.4.2 研究內(nèi)容13-14
• 1.4.3 論文結(jié)構(gòu)14-15
• 第二章 基于DTBNN的雙閾值圖像分割方法15-28
• 2.1 圖像閾值分割相關(guān)研究15-17
• 2.1.1 圖像閾值分割15
• 2.1.2 相關(guān)方法分析比較15-16
• 2.1.3 DTBNN方法16-17
• 2.2 基于DTBNN的雙閾值圖像分割方法17-21
• 2.2.1 雙閾值圖像分割17-19
• 2.2.2 構(gòu)建DTBNN網(wǎng)絡19-21
• 2.3 圖像雙閾值分割方法設計與實現(xiàn)21-27
• 2.3.1 雙閾值圖像分割方法設計22-23
• 2.3.2 基于DTBNN雙閾值圖像分割23-24
• 2.3.3 圖像雙閾值分割結(jié)果分析24-27
• 2.4 本章小結(jié)27-28
• 第三章 基于特征平面的單目視覺位姿測量方法28-41
• 3.1 單目位姿測量相關(guān)研究28-30
• 3.1.1 位姿測量28
• 3.1.2 相關(guān)方法分析比較28-29
• 3.1.3 單目視覺透視法分析29-30
• 3.2 基于特征平面位姿測量方法30-36
• 3.2.1 特征平面位姿關(guān)系分析30-33
• 3.2.2 建立特征面位姿測量模型33-36
• 3.3 特征平面位姿測量方法設計與實現(xiàn)36-40
• 3.3.1 特征平面位姿測量方法設計36-37
• 3.3.2 特征平面位姿測量實現(xiàn)37-39
• 3.3.3 位姿測量結(jié)果分析39-40
• 3.4 本章小結(jié)40-41
• 第四章 單目視覺系統(tǒng)設計與實現(xiàn)41-53
• 4.1 單目視覺系統(tǒng)整體方案41-43
• 4.1.1 視覺系統(tǒng)結(jié)構(gòu)41-42
• 4.1.2 系統(tǒng)相關(guān)環(huán)境42-43
• 4.2 單目視覺系統(tǒng)總體設計與實現(xiàn)43-52
• 4.2.1 軟件系統(tǒng)架構(gòu)設計與實現(xiàn)43-45
• 4.2.2 系統(tǒng)交互流程設計與實現(xiàn)45-48
• 4.2.3 軟件功能模塊設計與實現(xiàn)48-52
• 4.3 本章小結(jié)52-53
• 第五章 數(shù)據(jù)分析與對比53-63
• 5.1 實驗數(shù)據(jù)分析與對比53-58
• 5.1.1 閾值分割方法實驗數(shù)據(jù)分析53-55
• 5.1.2 位姿測量方法實驗數(shù)據(jù)分析55-58
• 5.2 系統(tǒng)驗證與分析58-62
• 5.2.1 驗證環(huán)境58-59
• 5.2.2 驗證分析59-62
• 5.3 本章小結(jié)62-63
• 第六章 總結(jié)與展望63-65
• 6.1 總結(jié)63-64
• 6.2 展望64-65
• 參考文獻65-69
• 附錄一69-70
• 附錄二70-71
• 在學期間的研究成果71-72
• 致謝72

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 朱瑞;機器視覺在復雜零、部件測量方面的應用[J];今日電子;2004年06期

2 黎紅偉;;關(guān)于機器視覺鏡頭[J];可編程控制器與工廠自動化;2005年02期

3 錢競業(yè);;機器視覺的發(fā)展方向探討[J];現(xiàn)代制造;2006年06期

4 傅昆;;行者無疆——機器視覺的中國崛起[J];現(xiàn)代制造;2006年21期

5 雷文華;;機器視覺及其應用(系列講座) 第一講 機器視覺發(fā)展概述[J];應用光學;2006年05期

6 ;機器視覺的應用使生產(chǎn)加工更加智能、高效[J];現(xiàn)代制造;2009年06期

7 李樹杰;;中國機器視覺的發(fā)展趨勢[J];赤峰學院學報(自然科學版);2010年01期

8 ;機器視覺最新技術(shù)動態(tài)[J];中國光學;2013年01期

9 馮伯儒;;機器視覺中的電-光技術(shù)[J];光電子學技術(shù);1986年01期

10 戴君,趙海洋,馮心海;機器視覺[J];機械設計與制造工程;1998年04期

中國重要會議論文全文數(shù)據(jù)庫 前10條

1 趙磊;董吉文;李金屏;;拓撲理論在機器視覺中的研究進展[A];全國第十五屆計算機科學與技術(shù)應用學術(shù)會議論文集[C];2003年

2 張彥東;;基于機器視覺的連接器裝配機床改造研究[A];首屆珠中江科協(xié)論壇論文集[C];2011年

3 蔡小秧;陳文楷;;機器視覺中的魯棒估計技術(shù)[A];計算機技術(shù)與應用進展·2007——全國第18屆計算機技術(shù)與應用（CACIS）學術(shù)會議論文集[C];2007年

4 劉雅舉;李娜;張莉;李東明;;機器視覺在藥用玻璃瓶質(zhì)量檢測中的研究[A];2007年河北省電子學會、河北省計算機學會、河北省自動化學會、河北省人工智能學會、河北省計算機輔助設計研究會、河北省軟件行業(yè)協(xié)會聯(lián)合學術(shù)年會論文集[C];2007年

5 吳慶華;代娜;黃俊敏;程志輝;何濤;;基于機器視覺的軸承二維尺寸檢測[A];第六屆全國信息獲取與處理學術(shù)會議論文集（1）[C];2008年

6 馬連峰;張秋菊;;基于機器視覺的彩色套印檢測技術(shù)研究[A];第十一屆全國包裝工程學術(shù)會議論文集（二）[C];2007年

7 金守峰;張慧;;面向機器視覺的織物緯斜檢測方法[A];全國先進制造技術(shù)高層論壇暨第九屆制造業(yè)自動化與信息化技術(shù)研討會論文集[C];2010年

8 管庶安;周龍;陳永強;廖明潮;;機器視覺在糧食品質(zhì)檢測中的應用研究[A];中國糧油學會第三屆學術(shù)年會論文選集（下冊）[C];2004年

9 張偉華;陳軍;連世江;賈海政;;機器視覺及其在農(nóng)業(yè)機械中的應用綜述[A];2007年中國農(nóng)業(yè)工程學會學術(shù)年會論文摘要集[C];2007年

10 沈?qū)殗?陳樹人;尹建軍;;基于機器視覺的棉田雜草精確定位研究[A];紀念中國農(nóng)業(yè)工程學會成立30周年暨中國農(nóng)業(yè)工程學會2009年學術(shù)年會（CSAE 2009）論文集[C];2009年

中國重要報紙全文數(shù)據(jù)庫 前10條

1 本報記者 李劍琦;機器視覺行業(yè)整合正熱 中國市場尚處萌芽期[N];機電商報;2005年

2 本報記者 董碧娟;解密機器視覺“第三只眼”[N];經(jīng)濟日報;2013年

3 本報記者 郭濤;機器視覺：為機器裝上“眼睛”和“大腦”[N];中國高新技術(shù)產(chǎn)業(yè)導報;2014年

4 張均;德國機器視覺傳感器市場前景好[N];中國貿(mào)易報;2007年

5 金剛;給機器一雙慧眼[N];計算機世界;2007年

6 朱廣菁;機器視覺怎樣“看”不合格產(chǎn)品[N];大眾科技報;2008年

7 宋昆;用機器視覺控制煙草質(zhì)量[N];計算機世界;2007年

8 張棟;西安光電子專業(yè)孵化器舉辦專業(yè)展覽會[N];中國高新技術(shù)產(chǎn)業(yè)導報;2007年

9 王遐;機器視覺:藥品包裝在線檢測系統(tǒng)開發(fā)成功[N];中國包裝報;2010年

10 點評人 高炎 黃牧青 劉笑一 李士杰 北京大學技術(shù)轉(zhuǎn)移中心;機器視覺輔助冬季道路狀況監(jiān)測[N];科技日報;2014年

中國博士學位論文全文數(shù)據(jù)庫 前10條

1 梁卓銳;機器視覺手勢交互的交互映射研究[D];華南理工大學;2015年

2 孟慶寬;基于機器視覺的農(nóng)業(yè)車輛—農(nóng)具組合導航系統(tǒng)路徑識別及控制方法研究[D];中國農(nóng)業(yè)大學;2014年

3 葛動元;面向精密制造與檢測的機器視覺及智能算法研究[D];華南理工大學;2013年

4 饒洪輝;基于機器視覺的作物對行噴藥控制系統(tǒng)研究[D];南京農(nóng)業(yè)大學;2006年

5 龔愛平;基于嵌入式機器視覺的信息采集與處理技術(shù)研究[D];浙江大學;2013年

6 陳麗君;基于機器視覺的變量噴霧控制系統(tǒng)研究[D];沈陽農(nóng)業(yè)大學;2009年

7 徐曉秋;機器視覺球面孔位快速精密測量系統(tǒng)的研究[D];四川大學;2006年

8 成芳;稻種質(zhì)量的機器視覺無損檢測研究[D];浙江大學;2004年

9 程洪;面向園藝應用的機器視覺目標辨識方法創(chuàng)新[D];中國農(nóng)業(yè)大學;2015年

10 許海霞;機器視覺標定與目標檢測跟蹤方法及其應用研究[D];湖南大學;2011年

中國碩士學位論文全文數(shù)據(jù)庫 前10條

1 冼志軍;錫膏印刷機誤差與錫膏印刷質(zhì)量檢測技術(shù)研究[D];華南理工大學;2015年

2 孫斌;基于FPGA的壓力表盤機器視覺研究與實現(xiàn)[D];昆明理工大學;2015年

3 許哲;基于機器視覺的快速測溫熱電偶焊接技術(shù)研究[D];河北聯(lián)合大學;2014年

4 李鵬;基于機器視覺的PCB工業(yè)在線檢測系統(tǒng)研究[D];昆明理工大學;2015年

5 佘燕玲;以用戶為中心的機器視覺手勢交互空間映射關(guān)系研究[D];華南理工大學;2015年

6 孫中國;基于機器視覺的面粉袋碼垛機器人研究[D];山東建筑大學;2015年

7 漆靜;基于機器視覺集裝箱吊具智能定位系統(tǒng)研究[D];西南交通大學;2015年

8 張文;基于機器視覺的通信裝備故障識別研究[D];西南交通大學;2015年

9 冉寶山;基于機器視覺的裝料系統(tǒng)試驗研究[D];長安大學;2015年

10 馮康;基于機器視覺的棉花識別與定位技術(shù)的研究[D];石河子大學;2015年

  本文關(guān)鍵詞：基于機器視覺的特定部件測量技術(shù)研究與實現(xiàn)，由筆耕文化傳播整理發(fā)布。

本文編號：372885