機(jī)器視覺技術(shù)近年來得到快速的發(fā)展,目前廣泛應(yīng)用于工業(yè)生產(chǎn)領(lǐng)域,如輪轂的非接觸測量、在線定位識別等。輪轂定位識別系統(tǒng)是基于機(jī)器視覺技術(shù)完成輪轂信息提取的功能整體,其優(yōu)勢在于:可以實(shí)時(shí)地得知輪轂在圖像平面中的位置,同時(shí)識別出輪轂的型號。本文將圖像處理技術(shù)和機(jī)器視覺技術(shù)結(jié)合完成不同類型輪轂的定位與識別,對定位和識別的方法進(jìn)行優(yōu)化,提高了輪轂定位和識別的效率和準(zhǔn)確率。研究工作具有一定的理論意義和工程應(yīng)用價(jià)值。論文主要工作與結(jié)論如下:（1）輪轂定位方法研究:先確定輪轂定位要提取輪轂的輪廓圓與關(guān)鍵點(diǎn)的信息,采用霍夫梯度法完成對輪轂外輪廓圓的提取,接著用簡化降維后的SIFT特征點(diǎn)匹配定位方法求出待檢測定位輪轂與模板輪轂的空間變換矩陣,根據(jù)空間變換矩陣計(jì)算出輪轂關(guān)鍵點(diǎn)的坐標(biāo)。實(shí)驗(yàn)結(jié)果表明,這種方法有效地克服了光照不均給定位帶來的影響,對平移旋轉(zhuǎn)和部分缺失也有較強(qiáng)的魯棒性。（2）輪轂識別方法研究:共采集七種不同類型的輪轂圖片,先對輪轂圖片進(jìn)行預(yù)處理,包括圖像去噪、圖像分割、形態(tài)學(xué)處理和邊緣檢測,在預(yù)處理的基礎(chǔ)上完成對輪轂特征值的提取,如輪轂半徑、孔洞特征、輪輻特征和不變量特征等;接著采用串行、并行和加權(quán)... 

【文章頁數(shù)】：90 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
Abstract
第一章 緒論
    1.1 課題背景與研究意義
        1.1.1 研究背景
        1.1.2 研究意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 機(jī)器視覺國內(nèi)外發(fā)展現(xiàn)狀
        1.2.2 輪轂圖像定位識別技術(shù)
        1.2.3 目前研究工作存在問題分析
    1.3 課題研究目的及內(nèi)容
        1.3.1 研究目的
        1.3.2 研究內(nèi)容
第二章 輪轂圖像定位識別技術(shù)分析
    2.1 輪轂定位圖像處理基礎(chǔ)
        2.1.1 Hough變換圖像匹配算法
        2.1.2 特征點(diǎn)提取算法
        2.1.3 特征點(diǎn)匹配算法
    2.2 輪轂識別圖像處理基礎(chǔ)
        2.2.1 圖像預(yù)處理
        2.2.2 形狀特征
        2.2.3 特征融合算法
    2.3 本章小結(jié)
第三章 基于特征降維的輪轂圖像定位方法研究
    3.1 問題描述
    3.2 基于Hough變換的輪轂外輪廓圓定位
        3.2.1 基于Hough變換定位方法原理
        3.2.2 輪轂外輪廓圓和圓心定位
    3.3 基于PCA-SIFT特征點(diǎn)匹配的輪轂圓心和氣嘴定位
        3.3.1 SIFT特征點(diǎn)提取
        3.3.2 SIFT特征符簡化和降維
        3.3.3 特征點(diǎn)匹配定位
        3.3.4 求解輪轂圓心與氣嘴坐標(biāo)
    3.4 實(shí)驗(yàn)結(jié)果分析
    3.5 本章小結(jié)
第四章 基于特征融合的輪轂圖像識別方法研究
    4.1 問題描述
    4.2 輪轂圖像預(yù)處理
        4.2.1 去噪處理
        4.2.2 圖像分割
        4.2.3 二值形態(tài)學(xué)處理
        4.2.4 邊緣檢測
    4.3 輪轂圖像特征提取
        4.3.1 輪廓圓特征
        4.3.2 孔洞特征
        4.3.3 輪輻個(gè)數(shù)與輪輻寬度
        4.3.4 不變量特征
    4.4 輪轂圖像特征融合
    4.5 輪轂識別結(jié)果分析
        4.5.1 模板匹配
        4.5.2 最近鄰分類識別
        4.5.3 結(jié)果分析
    4.6 本章小結(jié)
第五章 輪轂定位識別系統(tǒng)構(gòu)建與分析
    5.1 概述
    5.2 開發(fā)環(huán)境簡介
        5.2.1 HALCON機(jī)器視覺軟件
        5.2.2 Visual Studio 2017
        5.2.3 HALCON/VS2017 程序設(shè)計(jì)流程
    5.3 輪轂定位識別系統(tǒng)構(gòu)建
        5.3.1 系統(tǒng)整體框架設(shè)計(jì)
        5.3.2 系統(tǒng)硬件
        5.3.3 系統(tǒng)軟件
    5.4 輪轂定位識別實(shí)驗(yàn)與分析
    5.5 本章小結(jié)
第六章 總結(jié)與展望
    6.1 工作總結(jié)
    6.2 工作展望
參考文獻(xiàn)
致謝
攻讀碩士學(xué)位期間主要成果


【參考文獻(xiàn)】：
期刊論文
[1]基于K最近鄰樣本平均距離的代價(jià)敏感算法的集成[J]. 楊浩,王宇,張中原.  計(jì)算機(jī)應(yīng)用. 2019(07)
[2]基于最大熵生長檢測器的模糊紅外圖像分割算法[J]. 于曉,呂欣欣,高強(qiáng),葉溪.  激光雜志. 2019(03)
[3]基于改進(jìn)SIFT的無人機(jī)航拍圖像快速匹配[J]. 韓宇,宗群,邢娜.  南開大學(xué)學(xué)報(bào)(自然科學(xué)版). 2019(01)
[4]基于機(jī)器視覺檢測印刷碼的改進(jìn)模板匹配算法研究[J]. 錢俞好,周軍,田勝,李少輝.  機(jī)電工程. 2018(04)
[5]基于改進(jìn)的二值形態(tài)學(xué)人臉識別算法[J]. 萬卷,唐明.  機(jī)械與電子. 2017(05)
[6]加權(quán)數(shù)據(jù)融合算法在液化氣監(jiān)測中的應(yīng)用[J]. 劉鴻飛,楊建棟,方麗英,王普.  南京理工大學(xué)學(xué)報(bào). 2016(02)
[7]基于特征值加權(quán)融合的手指靜脈圖像質(zhì)量評估[J]. 余成波,胡晶晶,孔慶達(dá),余玉潔,鄧順華.  重慶理工大學(xué)學(xué)報(bào)(自然科學(xué)). 2016(02)
[8]基于全局和局部特征融合的圖像匹配算法研究[J]. 朱奇光,張朋珍,李昊立,詹賢嬌,陳穎.  儀器儀表學(xué)報(bào). 2016(01)
[9]基于最小二乘法特征點(diǎn)的圖像拼接方法應(yīng)用研究[J]. 劉春群,顏錦,許發(fā)翔,何應(yīng)勇.  企業(yè)技術(shù)開發(fā). 2015(33)
[10]應(yīng)用特征串行融合的人臉識別算法[J]. 趙志雄.  信息通信. 2015(04)

博士論文
[1]面向數(shù)控機(jī)床群的上下料機(jī)器人視覺識別定位研究[D]. 陳四杰.江蘇大學(xué) 2013

碩士論文
[1]基于鬼成像的邊緣檢測方法研究[D]. 任紅豆.南京郵電大學(xué) 2019
[2]汽車輪轂識別與分類算法的研究與實(shí)現(xiàn)[D]. 劉杏杏.青島科技大學(xué) 2019
[3]基于尺度不變特征的圖像檢索技術(shù)研究[D]. 康紅娟.西安科技大學(xué) 2017
[4]基于OpenCV的車牌識別系統(tǒng)研究與實(shí)現(xiàn)[D]. 楊莉.湖南大學(xué) 2017
[5]一種改進(jìn)的車輛特征提取與匹配算法研究[D]. 羅時(shí)現(xiàn).安徽大學(xué) 2017
[6]基于機(jī)器視覺的SMD輪轂生產(chǎn)信息采集與處理系統(tǒng)研發(fā)[D]. 張琦琦.南京理工大學(xué) 2017
[7]基于2D-3D圖像非剛性配準(zhǔn)方法的研究[D]. 鐘濤.上海應(yīng)用技術(shù)大學(xué) 2016
[8]基于超像素聚類的圖像分割方法研究[D]. 周寶.東南大學(xué) 2015
[9]基于圖像匹配技術(shù)的輪轂定位方法[D]. 李丹丹.大連理工大學(xué) 2014
[10]輪轂在線識別系統(tǒng)的研究[D]. 麻金賀.燕山大學(xué) 2014



本文編號：3673741