發(fā)布時間：2017-06-29 18:26

  本文關(guān)鍵詞：基于視覺的零件特征識別與分類方法研究與實(shí)現(xiàn)，，由筆耕文化傳播整理發(fā)布。

【摘要】：隨著現(xiàn)代工業(yè)的發(fā)展,零件的分揀技術(shù)朝著自動化、高速化、網(wǎng)絡(luò)化的方向發(fā)展,傳統(tǒng)的人工識別分類方法無法滿足現(xiàn)代制造業(yè)的需求,以機(jī)器視覺為基礎(chǔ)的零件分揀設(shè)備能夠提高工業(yè)的自動化和智能化水平�；跈C(jī)器視覺的分揀技術(shù)有非接觸、速度快、準(zhǔn)確率高等優(yōu)點(diǎn),在工業(yè)界引起了廣泛的關(guān)注。論文針對基于視覺的零件特征識別與分類方法進(jìn)行了研究和實(shí)現(xiàn),主要內(nèi)容如下:1.研究零件的預(yù)處理技術(shù)。針對圖像校正、圖像增強(qiáng)、平滑去噪、二值化、形態(tài)學(xué)操作和邊緣檢測操作進(jìn)行了研究,并結(jié)合研究的實(shí)例做了比較分析。2.研究零件圖像的特征提取和識別分類方法。研究了圖像特征提取的常見方法,并結(jié)合零件的特點(diǎn),重點(diǎn)研究了零件的形狀特征和幾何特征提取方法。之后,對零件的識別分類方法進(jìn)行研究,使用模板匹配法和支持向量機(jī)對零件分別按照形狀識別分類和按照形狀、尺寸識別分類進(jìn)行了分類器的設(shè)計。3.研究零件位姿識別方法。本文提出了根據(jù)零件的最小外接矩形的方法來確定零件的位姿。在圖像中提取零件的最小外接矩形,得到零件在圖像中的位姿。之后通過相機(jī)標(biāo)定,將零件在圖像中的位姿轉(zhuǎn)換到實(shí)際位姿。4.設(shè)計和實(shí)現(xiàn)了基于機(jī)器視覺的零件識別分類系統(tǒng)。針對系統(tǒng)的4個功能模塊即零件圖像采集模塊、圖像預(yù)處理模塊、零件識別分類模塊和位姿識別模塊,進(jìn)行實(shí)現(xiàn)。5.在基于視覺的零件識別分類系統(tǒng)中,對零件的識別分類和位姿識別方法進(jìn)行測試,并對實(shí)驗(yàn)結(jié)果進(jìn)行分析。實(shí)驗(yàn)證明,選擇零件的形狀特征和幾何特征具有較好的通用性和計算速度;采用模板匹配法和支持向量機(jī)法是可行的;通過零件的最小外接矩形進(jìn)行位姿識別,定位的精度能夠滿足工業(yè)要求。
【關(guān)鍵詞】：視覺 特征提取 識別分類 模板匹配 支持向量機(jī) 位姿識別
【學(xué)位授予單位】：中國科學(xué)院研究生院(沈陽計算技術(shù)研究所)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：TP391.41
【目錄】：

• 摘要5-6
• ABSTRACT6-9
• 引言9-11
• 第一章 緒論11-16
• 1.1 選題背景11
• 1.2 課題研究意義11-12
• 1.3 國內(nèi)外研究現(xiàn)狀12-14
• 1.4 論文主要研究內(nèi)容14-15
• 1.5 小結(jié)15-16
• 第二章 圖像預(yù)處理技術(shù)的研究16-23
• 2.1 圖像的校正16
• 2.2 圖像對比度增強(qiáng)16-17
• 2.3 圖像平滑17-19
• 2.4 二值化19-20
• 2.5 形態(tài)學(xué)操作20-21
• 2.6 邊緣檢測21-22
• 2.7 小結(jié)22-23
• 第三章 零件圖像的特征提取和識別分類方法的研究23-38
• 3.1 常用的特征提取方法23
• 3.2 零件圖像特征提取方法23-28
• 3.2.1 零件圖像的幾何特征24-25
• 3.2.2 零件圖像的形狀特征25-27
• 3.2.3 零件圖像的特征選擇27-28
• 3.3 圖像識別分類的方法28-34
• 3.3.1 模板匹配法28-30
• 3.3.2 支持向量機(jī)法30-34
• 3.4 零件識別分類的設(shè)計34-37
• 3.4.1 采用模板匹配法進(jìn)行零件識別分類的設(shè)計34-36
• 3.4.2 采用支持向量機(jī)法進(jìn)行零件識別分類的設(shè)計36-37
• 3.5 小結(jié)37-38
• 第四章 零件位姿識別方法的研究38-45
• 4.1 相機(jī)標(biāo)定38-43
• 4.1.1 相機(jī)標(biāo)定方法38-39
• 4.1.2 參考坐標(biāo)系39-41
• 4.1.3 相機(jī)模型41-43
• 4.2 位姿計算43-44
• 4.3 小結(jié)44-45
• 第五章 基于視覺的零件識別分類系統(tǒng)的設(shè)計與實(shí)現(xiàn)45-56
• 5.1 基于視覺的零件識別分類系統(tǒng)的要求45
• 5.2 系統(tǒng)硬件的設(shè)計與環(huán)境搭建45-47
• 5.3 系統(tǒng)軟件的設(shè)計47-50
• 5.3.1 系統(tǒng)架構(gòu)設(shè)計47
• 5.3.2 系統(tǒng)模塊設(shè)計47-48
• 5.3.3 系統(tǒng)的流程設(shè)計48-50
• 5.3.4 軟件開發(fā)環(huán)境50
• 5.4 零件識別分類系統(tǒng)的實(shí)現(xiàn)50-55
• 5.4.1 零件圖像采集模塊的實(shí)現(xiàn)50
• 5.4.2 零件圖像預(yù)處理模塊的實(shí)現(xiàn)50
• 5.4.3 零件識別分類模塊的實(shí)現(xiàn)50-51
• 5.4.4 零件位姿識別模塊的實(shí)現(xiàn)51-55
• 5.5 小結(jié)55-56
• 第六章 實(shí)驗(yàn)結(jié)果和分析56-63
• 6.1 零件識別分類的結(jié)果和分析56-60
• 6.1.1 模板匹配法識別分類的實(shí)驗(yàn)結(jié)果57-58
• 6.1.2 支持向量機(jī)法(SVM)分類的實(shí)驗(yàn)結(jié)果58-59
• 6.1.3 異常零件圖像測試59
• 6.1.4 兩種識別分類方法的結(jié)果分析59-60
• 6.2 零件位姿識別實(shí)驗(yàn)60-61
• 6.3 誤差分析61-62
• 6.4 小結(jié)62-63
• 總結(jié)與展望63-64
• 參考文獻(xiàn)64-67
• 發(fā)表文章67-68
• 致謝68

【相似文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 王德純;;對飛機(jī)進(jìn)行識別分類的最佳頻率[J];現(xiàn)代雷達(dá);1984年01期

2 尚小晶;;基于輔助變量盲辨識方法的肌電信號識別分類[J];長春大學(xué)學(xué)報;2014年04期

3 郭欣，王潤生;基于多特征的圖象目標(biāo)識別分類[J];國防科技大學(xué)學(xué)報;1996年03期

4 李偉光,唐文媛,王元聰;智能單據(jù)自動掃描識別分類裝置[J];機(jī)械與電子;2005年10期

5 盧漢清,彭嘉雄,萬發(fā)貫;角點(diǎn)在目標(biāo)識別分類中的應(yīng)用[J];數(shù)據(jù)采集與處理;1992年03期

6 楊飛;劉偉軍;夏仁波;黃以君;;一種自動的輪轂識別分類方法[J];微計算機(jī)信息;2010年04期

7 秦穎博;孫杰;陳平;;基于支持向量機(jī)的尿液細(xì)胞圖像識別分類研究[J];計算機(jī)工程與設(shè)計;2013年06期

8 李沁;田沛;吳保煒;高云霞;;應(yīng)用分形進(jìn)行金屬斷口的識別分類[J];儀器儀表與分析監(jiān)測;2005年04期

9 徐杰,朱婭加;江西省木材數(shù)據(jù)庫檢索識別分類系統(tǒng)設(shè)計與實(shí)現(xiàn)[J];江西農(nóng)業(yè)大學(xué)學(xué)報;1998年01期

10 方勇華,荀毓龍,喬延利,汪元鈞;氣體遙感紅外光譜數(shù)據(jù)的識別分類[J];量子電子學(xué)報;1997年03期

中國重要會議論文全文數(shù)據(jù)庫 前1條

1 李鵬;關(guān)福;;譜相關(guān)理論在話帶數(shù)據(jù)信號識別分類中的應(yīng)用[A];第九屆全國信號處理學(xué)術(shù)年會（CCSP-99）論文集[C];1999年

中國博士學(xué)位論文全文數(shù)據(jù)庫 前1條

1 楊寶娣;混紡紗截面圖像的輪廓探測模型與纖維識別分類方法[D];蘇州大學(xué);2009年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前3條

1 郜魯政;交通標(biāo)志的識別分類研究及平臺實(shí)現(xiàn)[D];山東大學(xué);2015年

2 司小婷;基于視覺的零件特征識別與分類方法研究與實(shí)現(xiàn)[D];中國科學(xué)院研究生院(沈陽計算技術(shù)研究所);2016年

3 王凡;藏儲物害蟲特征提取與識別分類研究[D];青島科技大學(xué);2014年

  本文關(guān)鍵詞：基于視覺的零件特征識別與分類方法研究與實(shí)現(xiàn)，由筆耕文化傳播整理發(fā)布。

本文編號：498913