一、不要仅以像素数多少衡量数字相机的优劣（论文文献综述）
王顺[1]（2021）在《基于视觉引导的捞渣机器人系统开发与应用研究》文中进行了进一步梳理伴随着传统制造业的智能制造技术落地的不断推进,在冶金行业升级转型的关键阶段,进一步提高智能化水平是行业的当务之急。给机器人配上眼睛,实现机器人系统与机器视觉技术相结合,是传统制造行业智能化升级的突破口。镀锌生产线是高温、高粉尘、高噪声的恶劣生产场景,操作工人劳动强度大,现场存在严重的安全隐患。本文针对邯钢2#镀锌线的生产环境、捞渣工艺以及功能需求,设计研发了一套基于机器视觉的捞渣机器人系统,并最终成功上线运行,创新性地将机器视觉技术应用于镀锌生产线,弥补了第一代基于示教的捞渣机器人的不足,极大地提高了机器人动作的灵活性和捞渣效率,减少对人工的依赖,解放了劳动力,实现了减员增效,对后续机器人视觉系统在冶金行业的落地具有宝贵的借鉴意义。本文的主要工作内容如下:1.针对镀锌线捞渣工艺和功能需求,研发一套融合机器视觉的捞渣机器人系统。在硬件选型上,选择福生威尔WBOX3401作为主控系统,海康威视相机DS-2CD3T46FDWDV2-I8S作为图像采集系统,ABB公司的IRB6700 200/2.6机器人作为运动执行机构,在控制软件统一协调下实现智能化捞渣。2.针对锌渣图像的识别定位及锌渣含量计算,分析了锌渣与锌液的特征区别,采用传统图像处理流程,基于Open CVSharp算法库,研究并实现锌渣图像的预处理和形态学分析。同时,对比研究Prewitt、Sobel、Laplacian、Canny边缘检测算子对锌渣图像的分析结果,最终,基于Laplacian算子实现锌渣的识别定位,并结合方差分析实现区域内锌渣含量计算。3.针对镀锌线的机器人视觉系统的手眼标定问题,分析并确定视觉系统结构为Eye-to-Hand。分析相机的针孔成像数学模型,建模得到空间点到像素坐标点的成像模型,利用张氏标定法实现相机标定,得到内外参数和畸变参数。简化锌锅液面为2D场景,利用九点法计算得到锌锅池图像的像素坐标系到机器人基坐标系的变换矩阵,并验证变换矩阵精度,满足实际应用需求。4.基于上述研究工作,成功在镀锌线落地应用了基于机器视觉的捞渣机器人系统。基于Win Form应用窗体,编程实现上位机控制软件开发;在窄空间大跨度的镀锌场景复杂条件下,实现机器人运动轨迹规划和一键复位功能。最后,分析实际的捞渣效果,并与第一代捞渣机器人进行对比,基于机器视觉的捞渣机器人系统提高了捞渣效率,实现半小时捞渣率95%。
纪鹏[2]（2021）在《基于深度神经网络的面料瑕疵检测识别》文中提出我国是一个纺织大国,纺织品行业对织物面料的质量要求也越来越高。面料的瑕疵检测与识别是制约面料生产效率和质量的重要因素。传统面料瑕疵检测识别依赖人工识别,而本文提出了将深度神经网络算法应用于识别面料瑕疵,这种方法从瑕疵图像处理到瑕疵检测、识别和分类,可以实现面料生产线上的瑕疵检测智能化、信息化、自动化和数字化,提高了对面料瑕疵的检测效率。实测结果显示,系统的检测速度比人工检测速度有2-3倍的提高,而且系统的检测误差比人工误差低4%,检测正确率也高于92.5%。本文的主要研究工作如下:1、面料瑕疵分类困难问题的解决。基于深度学习模型的训练需要大量数据集,采集面料瑕疵样本,建立了面料瑕疵图像数据集。提出了将模拟退火算法与粒子群的混合算法来作为理论基础的深度神经网络分类算法,充分利用模拟退火算法和粒子群算法在寻找全局最优解、提高模型整体性能方面的优势,结合深度神经网络算法将所提取到的面料瑕疵特征值作为神经网络的输入,对各种面料瑕疵进行准确分类,满足了企业的目标需求。2、网络模型训练方法、压缩算法的优化,结合多线程、多任务学习和深层网络特征图具有更丰富的细节信息,通过优化模型训练的方法,提高了模型训练的收敛速度和效果。使用双网络训练模型,不仅能提高已有的模型压缩算法性能,而且还可以减少大量逐层训练的工作量。3、采用Matlab算法库、Python语言以及Qt应用程序开发框架对面料瑕疵检测系统进行开发。通过对系统性能进行验证,满足了企业对系统的检测要求。实际生产应用中表明本系统对不同颜色的面料检测正确率在92.5%～95%之间（大于90%）,达到了预期效果。
卢文雄[3]（2021）在《基于3D视觉的语义算法的研究与应用》文中认为近年来,随着三维空间（3D）视觉传感器的广泛运用,三维计算机视觉应运而生。在计算机视觉领域,对三维点云进行语义分割,可用于对三维场景的理解。本文将ORBSLAM3以及已有的点云稠密重建开源项目结合,通过3D传感器采集或合成RGBD图像生成局部点云,并利用SLAM跟踪得到的位姿,完成运动中室内场景点云模型的建立。本文对已有点云重建开源项目进行了以下两点改进:一是增加了用于MYNT等双目深度相机的自建节点,增强了该项目对不同类采集设备的适应性。二是将其与ORBSLAM3结合,使该项目支持部分3D传感器的IMU模块,并实现点云重建功能与ORBSLAM3的Atlas地图集管理机制的集成。在三维点云的语义分割方面,本文主要对点云语义分割神经网络KPConv结构进行改进,受到ResNext在网络结构方面设计思路的启发,对编码器每个卷积层中间的瓶颈层进行通道拆分,在性能稳中有升的同时,显着减少了编码器的参数数量,可为网络结构的简化提供参考。结合上述研究成果,本文设计实现了一个三维点云及其语义信息的可视化展示验证程序,作为文中所述三维重建系统以及语义分割算法的实际应用,可用于三维点云及语义信息的实景展示。
刘亚径[4]（2021）在《基于机器视觉的耐火材料热震试验的破损率计算方法研究》文中提出随着高温工业的发展,耐火材料将承担起更多的功能。抗热震性作为耐火材料的重要性能,对耐火材料的结构设计和制备工艺等方面的研究具有重要意义。抗热震性需进行多次循环加热-冷却试验确定,为了解决传统耐火材料抗热震性检测存在诸如效率低、安全性差、没有过程记录等弊端,按照国家标准,本文对多类耐火材料试样,开展了高精度、全自动的抗热震性视觉检测研究,重点如下:（1）采用基于机器视觉的检测方法,结合了自动化机械设备、光学摄像、计算机等领域技术,开发出一套能够适应不同种类耐火材料抗热震性自动检测平台。（2）对采集的多种试样图像进行特征分析,针对试样受热端面会慢慢出现不同程度裂缝和剥落,特别是外边缘剥落导致对该图像进行轮廓检测时误差较大的问题,本文对其初始图像进行边缘检测,获取掩模图像M1和外边缘轮廓M2,掩模图像M1和试验中同组后续采集的图像进行按位与操作,获取去除周围背景干扰的完整试样图像,再进行二值化、形态学等操作,完成图像预处理。（3）针对试样图像存在大量麻点和块状噪声、裂缝和大面积剥落等问题,对采集的样本图像预处理后,对噪声、裂缝和剥落的连通域特征进行K-means聚类分析,并对聚类结果,提出了一种通过设定初始误差系数E计算连通域特征分割阈值T的算法,确定两组特征分割阈值;试验图像预处理后,基于两组特征值进行两次连通域三级滤波,准确检测出裂缝和剥落区域。（4）在破损率的计算上,对检测出的裂缝和剥落区域进行骨架细化,引入链码测量破损区域的长度和宽度,根据耐火材料试样的抗热震性检测中破损率计算标准的特殊性,提出了一种基于骨架线区间划分的破损率计算方法。试验结果表明,较现有方格网法,本文破损率计算方法精度高、速度快。本文建立的抗热震性检测系统能大幅降低工作量,自动保存所有过程图像和准确计算每次试验的破损率结果。方便厂家和工作人员根据每次试验的数据结果,分析裂缝出现的位置、长度,剥落的面积、形貌等信息,研究该材料试样的抗热震性,对耐火材料工业优化产品结构、高效生产和绿色发展提供重要依据。
陈彤[5]（2021）在《基于多流形结构的图像超分辨率重建研究》文中进行了进一步梳理图像是视觉信息的主要载体之一,而由于各种因素,获得的图片分辨率往往有限,因此常利用超分辨率方法对图像细节进行推测并重建。但现有方法多是端到端的训练,复杂网络模型对设备要求较高。此外图像不同部位的重建纹理往往与该部位的类别存在很大关系。因此,本文从数据集准备和先验信息提取两个方面进行深入研究,以提高超分辨率重建算法的性能。本文主要工作和成果如下:（1）提出了超像素分割能够将一张图像拆分为多流形数据结构的假设。不同于通常超分方法对图像的全局提取信息,该方法将一张图像视作由多个不同类别的像素块共同组成,而每个类别内的像素块处于一个平坦流形曲面上,重建纹理具有相似性。利用超像素分割将图像分割为不同部分,以每个部分分别独立可以大大增加数据集数量,同时由于超像素性质,每个部分内像素具有相同类别,令数据集中的每张图片的纹理更为单一,能够降低对特征提取网络复杂程度的需求。而根据图像块类别,能够将大量图像块划分到若干子流形上。（2）提出利用图像梯度和测地线距离对SLIC做出改进。在BSDS500数据集上进行测试,实验证明改进的超像素方法在去除离散点的同时,相比其他超像素方法能够以更少的分割数量取得更优的分割精度和形状更规则的像素块,尤其反应图像块内像素类别纯净程度的ASA达到0.978。同时自适应计算分割数量的方法使得不同图像的分割结果在各项指标上更为相近。（3）提出以分割后图像块的类别作为先验引导图像超分辨率重建。在作为图像块分类依据的双线性特征上进行变换,生成超像素块的特征概率图。利用稠密链接将特征概率图作为图像超分辨率重建的先验信息,并加入通道注意力机制增强有效信息。实验结果证明,本文方法在x2放大时相比DBPN的峰值信噪比高约0.1～0.2d B,略有提升,相比RCAN虽然峰值信噪比相近,但参数量减少一半。
李志新[6]（2020）在《基于相位信息的远场高分辨率光学成像技术研究》文中研究表明提升光学成像系统的空间分辨率、恢复图像的细节信息,一直是先进光学遥感与高性能成像领域的研究热点。传统光学系统的衍射极限是制约远距离成像系统空间分辨率提升的核心因素。叠层成像方法作为一种新型的相位成像技术,在显微成像领域展现出了巨大的优势,可以实现5倍以上的空间分辨率提升效果;并且其提升空间分辨率的思想与合成孔径技术相似,是一种很有希望应用于远场的基于相位信息的新型高分辨率光学成像技术手段。叠层方法不需要相位信息的直接测量,也无需各个子孔径之间严格共相,而是从采集的强度图像中恢复出目标相位信息,实现频谱面拼接扩展,从而提升成像系统的空间分辨率。目前关于叠层方法在远场中应用的研究甚少,国内几乎空白。本课题围绕着叠层成像方法在远场中的应用展开,主要研究工作总结如下:1.讨论了相位复原技术中的解模糊现象,采用叠层方法可以有效地抑制该现象。推导了远场扫描式傅里叶叠层合成孔径系统的物理模型,并分析了该光学成像系统的振幅点扩散函数、相干传递函数、信噪比等关键性能参数,给出了重建图像的主要评价指标。研究了影响远场傅里叶叠层成像系统相位的关键因素,为复原算法设计及实验提供理论基础。2.针对远场扫描式傅里叶叠层成像系统的视场变化与噪声污染问题,提出了一种综合数据预处理方法。首先,基于变换域的序列图像配准方法实现了明暗场相邻测量图像间的高精度亚像素配准。其次,采用全局降噪和基于伽马变换的散斑噪声抑制方法,有效抑制了包括了高斯噪声、泊松噪声以及散斑噪声在内的混合噪声对重建过程的干扰。仿真结果表明:重建图像峰值信噪比（Peak Signal to Noise Ratio,PSNR）的提升量达到了4.42d B,证明了该综合数据预处理方法的有效性。3.提出了一种新型的傅里叶叠层图像重建算法框架RAFP-RED,能够大幅提升重建图像质量。选取适用于泊松噪声模型的代价函数,采用特殊初始化方法,并对梯度下降方向逐次修订,使得估计值以较高的概率指向真实值,最后加入RED正则项对复原过程中的噪声进一步滤除。仿真结果表明RAFP-RED算法具有最强的噪声鲁棒性与重建性能。特别是在混合噪声污染时,相较于传统的AP算法,RAFP-RED算法将PSNR的提升量达到了8.47d B,结构相似性（Structural Similarity Index,SSIM）的提升量达到了0.36,同时具有较好的视觉保真度。4.构建了远场扫描式傅里叶叠层成像系统的透射式、反射式实验室平台,在分析该成像系统的主要系统误差并对其进行算法矫正的基础上,成功验证了RAFP-RED算法的空间分辨率提升性能。在透射式平台上实现了1.6m成像距离下4倍的空间分辨率提升效果;在反射式平台上实现了1.75m成像距离下3.2倍的空间分辨率提升效果,实现了机理研究与实验研究的闭环。5.针对扫描式傅里叶叠层成像系统在远场应用时光场相干性被破坏和散斑噪声污染等问题,提出了一种基于远场空域叠层测量的图像相关技术,将空域叠层方法与传统图像相关技术结合,有效提升了复原图像质量。仿真结果表明,与传统图像相关技术相比,该方法在大大降低重建所需数据量（对于每个扫描位置,所需测量的数据量仅为传统方法的1/6）的条件下,具备空间分辨率提升4倍的潜力,具有潜在的应用价值。
王墨航[7]（2020）在《基于机器视觉的车用轴承套圈外表面缺陷检测系统》文中研究说明轴承作为汽车行业中必不可少的基础零件之一,其用途十分广泛,常用于变速器、车轮、底盘差速器等汽车零部件之中。其质量直接决定着装备和产品的性能和稳定性,因此对轴承套圈的表面缺陷检测便成了关键的一环。传统的套圈表面缺陷检测通常是人工目视检查,容易导致效率低、易漏检等问题。基于现代化机器视觉的检测技术以工序简单,检测速度快,效率高,适应性强等特点越来越多的被应用于缺陷检测中。本课题采用机器视觉的方法,设计了一套轴承套圈外表面缺陷在线检测系统。具体研究内容包括:（1）根据检测内容以及设计目标,完成了轴承套圈外表面缺陷检测系统的整体方案设计。并以系统框架为基础,设计要求为导向,完成了进料动作、机械手动作,套圈翻转动作、旋转平台动作、剔除动作的方案设计,并参与运行调试。本课题的检测系统能够兼容内、外套圈的检测,同时还能兼容一个尺寸段（外径80mm-160mm）的套圈检测。（2）根据整体设计方案完成各工位的视觉采集系统的硬件设计和选型。使用面阵相机对套圈的大、小端面进行图像采集,使用线阵相机对套圈的内、外侧面进行扫描成像。在端面图像采集部分,提出了采用球积分光源与低角度无影环形光源配合分时点亮的方式,在一个工位上同时采集端面图像和倒角图像。（3）对套圈表面的主要缺陷进行分析和分类,针对不同类型的缺陷使用不同的算法,并通过多种处理方案的比较,最终确立了图像检测算法的最优方案。针对受缺陷影响严重的边缘,提出一种自适应阈值的Canny算法用于边缘检测,有效提取了套圈的边缘。针对倒角处细长的环形区域使用自适应阈值无法准确分割出缺陷的情况,将区域自适应地划分为N块,分别计算每块分区的灰度均值并根据判断条件找到低灰度均值区域,将这些区域作为种子区域,使用区域生长算法实现目标区域提取。（4）对上位机软件进行了设计。完成了界面设计、结果显示、PLC通讯、相机控制、数据管理等功能。使得整个检测系统能够顺利运行,检测结果能够实时展示在人机交互界面中。本文设计的基于机器视觉的轴承套圈外表面缺陷检测系统实现了轴承套圈外表面缺陷检测过程的自动化。实验测试结果表明,系统的综合检测准确率为96.7%,检测节拍达到4秒/颗,检测精度到达0.4mm。该检测系统处于行业先进水平,具有较高的工程应用价值。
刘汝彬[8]（2020）在《基于图像处理的绝缘子泄漏距离测量装置》文中进行了进一步梳理绝缘子在高压输电线路中起到电气绝缘和机械固定的重要作用,其泄漏距离的长度,是检验绝缘子质量的重要指标。由于绝缘子的边缘大多呈连续弯曲曲线状,目前传统的泄漏距离测量方法较为繁琐,准确度相对较差,为了实际生产中批量检测更为方便,本文研究了图像处理技术的基本理论方法,给出测量装置的总体设计方案,分析了本装置所采用的机械、电气和计算机图像处理等技术,研究并开发了绝缘子泄漏距离测量装置,具体研究内容如下:（1）设计了绝缘子泄漏距离测量装置。根据绝缘子的重量、体积等要求,设计了绝缘子泄漏距离测量装置,该结构包括图像采集装置和测量装置,通过参数指标,确定图像采集装置和测量装置用电机的选型。（2）控制系统设计及光源的选型。根据测量装置的测量要求,分析了电气控制系统的技术方案,对系统硬件电路、电机驱动电路、软件和人机交互界面等进行设计。分析了微处理器、驱动器、图像采集用相机等的选型设计,完成硬件电路原理图和软件设计,完成图像采集光源的设计。（3）图像处理部分。使用MATLAB进行了如下仿真实验,选择小波去噪法、彩色图像彩色分割法和阈值分割进行图像预处理,用微积分的无方程曲线弧长计算方法,计算绝缘子泄漏路径的弧长,最后通过图像与实物的转换模型,将根据图像计算得到的曲线弧长转换为实际的绝缘子泄漏距离。（4）测量实验。通过去噪效果相对较好的SURE阈值小波去噪法,对测量装置采集的图像进行处理,对图像进行颜色分类,论证了绝缘子泄漏距离计算模型和方法,验证了测量结果的正确性。实验结果数据的平均误差为1.025%。同时该方法对其他物体适用,具有实时性,高效性。
宋明辉[9]（2019）在《面向UAV的可见光与红外图像融合算法及其并行优化研究》文中研究说明提高UAV的环境感知能力成为进一步提高UAV智能化、自主化的必然要求。在许多场景下,仅凭单一传感器很难完成复杂环境下对目标的感知与识别任务,而多传感器数据融合成为解决途径之一。本文研究了面向UAV平台的可见光与红外图像融合算法,以改进UAV在目标被烟雾遮挡以及光照较弱等场景下对目标的感知能力,并基于CPU-GPU异构计算平台对融合算法进行并行优化以提高其实时性。本文主要研究工作以及创新点如下。1.提出了基于冗余方向提升小波（RDL Wavelet）以及混合显着性检测算法的新型可见光与红外灰度图像融合算法。RDL Wavelet在时域对输入图像进行非下采样多尺度分解,分解过程中借助Sinc插值算法计算图像的Subpixels灰度值;混合显着性检测算法结合了全局、局部显着性检测算法的计算结果,并以此为基础计算用于分解系数加权平均的权重系数。与其它同类融合算法相比,提出的融合算法在主观评价方面具有更优的视觉效果;在客观评价方面,QG指标提高48.7%以上,QY提高19.3%以上。2.基于CPU-GPU平台实现了上述改进型融合算法的并行优化。优化过程主要包含两个方面:（1）分析算法计算过程,将并行程度高、耗时大的部分在GPU端计算,而将剩余的部分在CPU端计算,并进行多线程优化;（2）对GPU端代码进行存储优化,体现在充分发挥GPU的存储层次结构特点,提高临时数据的读写效率,同时通过借助In-Place与Memory Sharing等技巧降低GPU端的存储开销。在PC平台上的实验结果表明,对于分辨率为480 × 640的灰度图像,GPU端运行的CUDA融合程序可以实现6.6倍的计算性能提升,融合速度为每秒34.4帧以上,同时GPU显存开销减少1半。3.最后,实现了彩色图像融合算法并在UAV搭载的嵌入式CPU-GPU异构平台上验证。可见光图像在HSI色彩空间内的I分量与灰度红外图像利用上文提出的算法完成融合,然后将结果转换回RGB色彩空间。实验结果表明,可见光与红外图像融合提高了 UAV在目标被烟雾遮挡、光照较弱的夜晚等场景下对目标的感知能力。对于分辨率为265 × 320的彩色图像,嵌入式GPU端运行的CUDA融合程序实时性提高55.1%,融合速度为每秒17.9帧。
冯志刚[10]（2019）在《基于工业机器人的结构件柔性定位技术研究》文中研究说明工业机器人与立体视觉的融合在自动化领域中应用广泛,它已成中国制造业自动化领域的一个重要话题。为了使工业机器人能够进行更复杂的工作,工业机器人不仅需要具有好的控制系统,还需要具有更强的环境感知能力。机器视觉技术是工业机器人重要的感知技术之一,基于视觉辅助的工业机器人能够更好的实现机器人的柔性作业。论文开篇概述了基于视觉的工业机器人定位系统的系统设计方案、硬件结构和作业工艺流程,后文对系统的末端执行器设计和立体视觉定位系统进行了研究,包括:1.阵列式末端执行器设计以具有脆性材料、曲面外形、规格不一等特性的飞机装配中的结构件为应用对象,为了实现对工件的柔性定位抓取与装配加压等功能,设计了一款具有阵列式执行机构的真空吸附式末端执行器。提出了一种通过对特性相似工件进行层次聚类来设计每一类工件专用末端的末端设计方案,并以有限元仿真和多元非线性回归相结合的方式研究了末端阵列式执行机构的布局优化方法。2.多相机结构与标定针对视觉测量工作存在的问题,采用4个相机构成了Eye-in-Hand工业机器人视觉系统,通过研究视觉系统结构参数对测量精度的影响来指导多相机系统的硬件结构布局。针对多相机的视觉系统结构存在的公共视场较小、视场遮挡等问题,提出了一种基于自识别标记的多相机标定方法。3.特征提取与位姿估计视觉系统的测量对象为粘贴在工件上的圆形反光标记点,因此椭圆中心的提取成为了视觉测量的关键。本文的椭圆拟合算法采用了两步法策略,第一步采用改进后Hough变换实现了对椭圆的粗拟合,第二步基于最小二乘思想实现了对椭圆的精拟合。基于工件的先验知识和视觉系统的三维测量,最终的工业机器人定位问题转变为3D-3D的位姿估计问题,本文以BA优化算法来求解位姿的最优解。
二、不要仅以像素数多少衡量数字相机的优劣（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、不要仅以像素数多少衡量数字相机的优劣（论文提纲范文）
（1）基于视觉引导的捞渣机器人系统开发与应用研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题研究背景及意义 |
| 1.2 技术现状和发展趋势 |
| 1.2.1 捞渣机器人研究应用现状 |
| 1.2.2 冶金行业机器人发展趋势 |
| 1.3 课题来源及研究目标 |
| 1.4 论文结构安排 |
| 第2章 系统总体方案设计 |
| 2.1 系统概述 |
| 2.2 系统组成及硬件选型 |
| 2.2.1 上位机 |
| 2.2.2 工业相机 |
| 2.2.3 工业机器人 |
| 2.3 软件框架设计 |
| 2.4 本章小结 |
| 第3章 图像识别方法研究 |
| 3.1 图像预处理 |
| 3.1.1 图像增强 |
| 3.1.2 图像滤波 |
| 3.1.3 二值化 |
| 3.1.4 形态学处理 |
| 3.2 边缘检测 |
| 3.3 锌渣含量计算 |
| 3.4 本章小结 |
| 第4章 机器人视觉系统标定 |
| 4.1 相机参数模型 |
| 4.2 相机标定 |
| 4.3 手眼系统 |
| 4.4 手眼标定 |
| 4.5 本章小结 |
| 第5章 工程实例应用 |
| 5.1 系统平台搭建 |
| 5.2 上位机控制软件 |
| 5.2.1 控制软件架构 |
| 5.2.2 控制软件功能逻辑 |
| 5.3 机器人程序设计 |
| 5.3.1 机器人坐标系和运动模式 |
| 5.3.2 RAPID编程 |
| 5.3.3 一键复位 |
| 5.4 捞渣实验及效果分析 |
| 5.5 本章小结 |
| 第6章 总结和展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 攻读学位期间的学术论文和研究成果 |
| 致谢 |
（2）基于深度神经网络的面料瑕疵检测识别（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 选题的目的与意义 |
| 1.2 国内外发展现状和动态 |
| 第二章 理论基础和整体方案设计 |
| 2.1 系统检测要求 |
| 2.2 面料瑕疵特点 |
| 2.3 常见神经网络模型 |
| 2.3.1 经典网络架构 |
| 2.3.2 深度神经网络 |
| 2.4 硬件选型 |
| 2.5 整体方案研究 |
| 2.6 本章小结 |
| 第三章 面料瑕疵检测原理 |
| 3.1 图像数字化原理 |
| 3.2 图像预处理 |
| 3.2.1 直方图均衡化 |
| 3.2.2 双线性插值 |
| 3.2.3 中值滤波 |
| 3.2.4 阈值化 |
| 3.3 瑕疵检测 |
| 3.3.1 灰度共生矩阵(GLCM) |
| 3.3.2 灰度共生矩阵的特征提取 |
| 3.3.3 基于图像分块的灰度共生矩阵瑕疵检测 |
| 3.4 本章小结 |
| 第四章 面料瑕疵分类算法研究与设计 |
| 4.1 建立面料瑕疵数据集 |
| 4.2 模拟退火算法 |
| 4.3 粒子群算法 |
| 4.4 基于模拟退火和粒子群混合算法的深度神经网络分类算法 |
| 4.4.1 算法思想 |
| 4.4.2 主要步骤及结果分析 |
| 4.5 分类网络结构与网络训练 |
| 4.5.1 深度神经网络训练法则 |
| 4.5.2 网络模型训练 |
| 4.6 实验结果及分析 |
| 4.6.1 隐藏节点数对神经网络性能的影响 |
| 4.6.2 分类性能对比 |
| 4.6.3 压缩算法效果对比 |
| 4.7 本章总结 |
| 第五章 面料瑕疵检测识别软件系统设计与测试 |
| 5.1 开发环境简介 |
| 5.2 系统软件设计 |
| 5.3 多线程系统优化设计 |
| 5.4 系统测试及性能试验 |
| 5.4.1 系统测试 |
| 5.4.2 检测结果分析 |
| 5.5 本章小结 |
| 总结与展望 |
| 参考文献 |
| 致谢 |
| 在学期间主要研究成果 |
（3）基于3D视觉的语义算法的研究与应用（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 选题背景 |
| 1.2 研究现状 |
| 1.3 研究内容 |
| 第二章 关键技术研究 |
| 2.1 三维重建及定位关键技术 |
| 2.1.1 SFM技术 |
| 2.1.2 SLAM技术 |
| 2.2 3D视觉相关算法 |
| 2.2.1 目标检测概念及算法评估方法 |
| 2.2.2 语义分割概念及算法评估方法 |
| 2.2.3 对三维点云“语义”的定义 |
| 2.2.4 3D语义算法的研究进展 |
| 第三章 基于SLAM的三维点云重建研究与改进 |
| 3.1 基于SLAM的点云拼接重建技术 |
| 3.1.1 3D传感器采集、生成局部点云 |
| 3.1.2 利用视觉SLAM测量位姿 |
| 3.1.3 利用位姿信息进行拼接 |
| 3.1.4 对已有重建项目的改进 |
| 3.2 实验 |
| 3.2.1 实验设计 |
| 3.2.2 实验环境 |
| 3.2.3 实验过程及结果 |
| 3.3 本章小结 |
| 第四章 三维点云的语义KPConv算法研究与改进 |
| 4.1 KPConv算法原理 |
| 4.1.1 KPConv对卷积的定义 |
| 4.1.2 网络结构 |
| 4.2 对KPConv算法的改进 |
| 4.2.1 对KPConv卷积的改进 |
| 4.2.2 对网络结构的改进 |
| 4.3 实验 |
| 4.3.1 基准实验 |
| 4.3.2 对KPConv卷积的改进实验 |
| 4.3.3 对网络结构的改进实验 |
| 4.3.4 网络前向传播实验 |
| 4.4 本章小结 |
| 第五章 三维点云在虚拟现实当中的应用 |
| 5.1 三维点云在虚拟现实当中的应用背景 |
| 5.2 三维点云应用的功能设计 |
| 5.3 三维点云显示技术的方案设计 |
| 5.4 实验 |
| 5.5 本章小结 |
| 第六章 总结 |
| 参考文献 |
| 致谢 |
| 攻读学位期间发表的学术论文目录 |
（4）基于机器视觉的耐火材料热震试验的破损率计算方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题研究背景及意义 |
| 1.2 国内外现状 |
| 1.2.1 相关行业检测方法及存在问题 |
| 1.2.2 数字图像处理法 |
| 1.3 关键技术难点 |
| 1.4 研究内容和技术路线 |
| 1.5 本章小结 |
| 第2章 耐火材料抗热震性试验检测平台设计 |
| 2.1 检测平台方案设计 |
| 2.2 系统整体硬件选择及搭建 |
| 2.2.1 机械系统设计 |
| 2.2.2 视觉成像系统设计 |
| 2.2.3 检测平台搭建 |
| 2.3 控制系统设计 |
| 2.3.1 控制系统总体结构 |
| 2.3.2 与上位机的通信 |
| 2.3.3 安全报警控制 |
| 2.4 本章小结 |
| 第3章 试样图像预处理算法研究 |
| 3.1 图像特征分析 |
| 3.2 获取试样初始图像外边缘信息 |
| 3.2.1 Sobel算子 |
| 3.2.2 Canny算子 |
| 3.2.3 Laplacian算子 |
| 3.2.4 自适应阈值的边缘信息提取 |
| 3.3 基于图像与运算获取试样区域 |
| 3.4 直方图均衡化与二值化 |
| 3.5 形态学滤波 |
| 3.6 本章小结 |
| 第4章 基于连通域特征的破损区域提取方法研究 |
| 4.1 基于K-means的连通域特征参数聚类分析 |
| 4.1.1 K-means聚类简介 |
| 4.1.2 连通域特征参数聚类分析 |
| 4.2 基于连通域特征的三级滤波 |
| 4.3 误差分析 |
| 4.4 本章小结 |
| 第5章 试样破损率计算方法研究 |
| 5.1 相机尺寸标定 |
| 5.2 破损区域长度计算 |
| 5.2.1 破损骨架细化 |
| 5.2.2 破损长度计算 |
| 5.3 破损区域宽度计算 |
| 5.4 基于骨架线区间划分的破损率计算 |
| 5.5 结果分析 |
| 5.6 本章小结 |
| 第6章 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 致谢 |
| 参考文献 |
| 附录1 攻读硕士学位期间的研究成果 |
（5）基于多流形结构的图像超分辨率重建研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究背景和意义 |
| 1.2 国内外研究现状 |
| 1.2.1 基于插值的方法 |
| 1.2.2 基于重构的方法 |
| 1.2.3 基于样例的方法 |
| 1.2.4 基于深度学习的方法 |
| 1.3 本文研究内容和结构安排 |
| 2 多流形结构与超像素分割 |
| 2.1 多流形 |
| 2.1.1 多流形结构与超分辨率 |
| 2.1.2 多流形结构与超像素分割 |
| 2.2 评价指标 |
| 2.2.1 超像素的评价指标 |
| 2.2.2 超分辨率的评价指标 |
| 2.3 本章小结 |
| 3 基于超像素分割的超分数据集构建 |
| 3.1 基于测地线距离的超像素分割改进 |
| 3.1.1 SLIC |
| 3.1.2 自适应的初始超像素数量 |
| 3.1.3 基于梯度的初始聚类中心 |
| 3.1.4 搜索范围 |
| 3.1.5 测地线距离和孤立点消除 |
| 3.1.6 改进超像素分割的流程图 |
| 3.2 基于超像素的超分数据集构建 |
| 3.2.1 基于超像素的超分数据集生成 |
| 3.2.2 超分辨率数据集生成流程 |
| 3.3 实验及结果分析 |
| 3.3.1 改进超像素方法与其他方法的对比 |
| 3.3.2 不同分割方法生成的数据集对比 |
| 3.4 本章小结 |
| 4 多流形结构下的超分辨率重建 |
| 4.1 多流形结构下的超分流程 |
| 4.2 像素块细粒度特征图提取 |
| 4.2.1 双线性池化的细粒度像素块分类 |
| 4.2.2 双线性特征处理 |
| 4.3 基于双线性特征先验的像素块超分 |
| 4.3.1 整体网络结构 |
| 4.3.2 稠密连接引入先验信息 |
| 4.3.3 通道注意力增强先验信息 |
| 4.3.4 重建损失 |
| 4.4 实验结果和分析 |
| 4.4.1 实验数据预处理 |
| 4.4.2 超分辨率重建效果 |
| 4.4.3 结果分析 |
| 4.5 本章小结 |
| 5 总结与展望 |
| 5.1 总结 |
| 5.2 展望 |
| 参考文献 |
| 致谢 |
| 附录 1 攻读硕士学位期间参与的项目和发表的论文 |
（6）基于相位信息的远场高分辨率光学成像技术研究（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 引言 |
| 1.1 研究背景及意义 |
| 1.2 提升空间分辨率的技术手段 |
| 1.2.1 图像超分辨率重建技术 |
| 1.2.2 合成孔径技术 |
| 1.2.3 合成孔径激光雷达技术 |
| 1.2.4 基于稀疏限制的鬼成像雷达技术 |
| 1.3 相位成像技术国内外研究现状 |
| 1.3.1 相位成像技术 |
| 1.3.2 近场叠层成像技术国内外研究现状 |
| 1.3.3 远场叠层成像技术国内外研究现状 |
| 1.4 本文主要研究内容及论文章节安排 |
| 1.4.1 本文主要研究内容 |
| 1.4.2 论文章节安排 |
| 第2章 基于傅里叶叠层的扫描式光学合成孔径系统 |
| 2.1 相位恢复的解模糊问题 |
| 2.1.1 迭代相位复原理论 |
| 2.1.2 相位复原算法中的解模糊现象 |
| 2.1.3 叠层方法对相位解模糊现象的消除 |
| 2.2 傅里叶叠层显微光学成像原理 |
| 2.3 远场傅里叶叠层光学成像系统原理 |
| 2.3.1 成像基本原理 |
| 2.3.2 成像前向模型 |
| 2.3.3 改进的远场成像模型 |
| 2.3.4 反射式远场成像模型 |
| 2.4 远场傅里叶叠层光学成像系统性能与像质评价指标 |
| 2.4.1 光学成像系统的性能评价指标 |
| 2.4.2 图像质量的量化评价方法 |
| 2.5 远场傅里叶叠层光学成像系统关键影响因素分析 |
| 2.5.1 相干光照明粗糙表面的散斑现象 |
| 2.5.2 远场面的相位弯曲 |
| 2.5.3 激光能量分析 |
| 2.5.4 照明光场的相干性分析 |
| 2.6 本章小结 |
| 第3章 远场傅里叶叠层光学成像重建算法研究 |
| 3.1 数据预处理 |
| 3.1.1 序列图像配准 |
| 3.1.2 噪声模型分析 |
| 3.1.3 噪声预处理算法 |
| 3.2 经典相位复原算法 |
| 3.2.1 基于交替投影的优化算法 |
| 3.2.2 基于半正定规划的优化算法 |
| 3.3 改进的优化框架 |
| 3.3.1 代价函数的选取 |
| 3.3.2 初始化 |
| 3.3.3 正则化去噪 |
| 3.4 仿真实验与结果分析 |
| 3.5 本章小结 |
| 第4章 远场傅里叶叠层光学成像实验验证与误差分析 |
| 4.1 采样率限制分析 |
| 4.1.1 频谱面采样率限制 |
| 4.1.2 像面采样率限制 |
| 4.2 远场傅里叶叠层光学成像系统实验设计 |
| 4.2.1 实验器材选择 |
| 4.2.2 透射式实验平台搭建 |
| 4.2.3 反射式实验平台搭建 |
| 4.3 远场傅里叶叠层光学成像系统误差分析 |
| 4.3.1 明暗场图像区分 |
| 4.3.2 强度图像更新 |
| 4.3.3 光瞳误差校准 |
| 4.3.4 成像系统像差校准 |
| 4.4 本章小结 |
| 第5章 基于叠层测量的图像相关技术 |
| 5.1 傅里叶叠层技术应用于远场的局限性 |
| 5.2 基于叠层测量的图像相关技术 |
| 5.2.1 图像相关术 |
| 5.2.2 叠层图像相关术 |
| 5.2.3 优化框架 |
| 5.3 实验仿真 |
| 5.4 本章小结 |
| 第6章 总结与展望 |
| 6.1 论文的主要创新点 |
| 6.2 论文的其它研究内容 |
| 6.3 未来工作展望 |
| 参考文献 |
| 致谢 |
| 作者简历及攻读学位期间发表的学术论文与研究成果 |
（7）基于机器视觉的车用轴承套圈外表面缺陷检测系统（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 选题背景 |
| 1.2 金属表面缺陷检测技术 |
| 1.3 机器视觉技术概述及研究现状 |
| 1.4 课题的研究内容与意义 |
| 1.5 论文结构安排 |
| 第2章 整体方案布置与机器视觉硬件选型 |
| 2.1 设计要求 |
| 2.1.1 检测内容 |
| 2.1.2 设计目标 |
| 2.2 整体方案设计 |
| 2.2.1 自动检测线作业流程 |
| 2.2.2 系统框架 |
| 2.3 机器视觉硬件选型 |
| 2.3.1 工业相机选型 |
| 2.3.2 光学镜头选型 |
| 2.3.3 照明方案设计与光源选型 |
| 2.3.4 工业计算机选型 |
| 2.4 相机工作模式 |
| 2.5 缺陷类型及分类 |
| 2.6 本章小结 |
| 第3章 表面缺陷检测算法设计 |
| 3.1 算法流程概述 |
| 3.2 图像预处理 |
| 3.3 ROI区域定位 |
| 3.3.1 边缘检测 |
| 3.3.2 圆拟合 |
| 3.4 缺陷分割 |
| 3.4.1 自适应阈值 |
| 3.4.2 动态阈值 |
| 3.4.3 区域生长法 |
| 3.4.4 形态学 |
| 3.4.5 Blob分析 |
| 3.5 测试结果分析 |
| 3.6 本章小结 |
| 第4章 检测系统软件设计 |
| 4.1 检测软件总体结构 |
| 4.2 检测软件运行流程 |
| 4.3 检测软件各模块设计 |
| 4.3.1 界面设计模块 |
| 4.3.2 PLC通讯模块 |
| 4.3.3 相机参数设置模块 |
| 4.3.4 图像处理模块 |
| 4.3.5 结果显示模块 |
| 4.3.6 数据管理模块 |
| 4.4 本章小结 |
| 第5章 总结与展望 |
| 参考文献 |
| 致谢 |
| 攻读学位期间参加的科研项目和成果 |
（8）基于图像处理的绝缘子泄漏距离测量装置（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题研究背景和意义 |
| 1.2 课题研究现状 |
| 1.2.1 绝缘子泄漏距离测量的研究现状 |
| 1.2.2 图像处理技术的研究现状 |
| 1.3 论文的组织结构 |
| 1.4 本章小结 |
| 第2章 测量装置总体设计方案 |
| 2.1 绝缘子测试样品 |
| 2.2 测试样品泄漏距离说明 |
| 2.3 测量精度要求 |
| 2.4 测量系统总体方案设计 |
| 2.4.1 机械结构设计 |
| 2.4.2 电气控制系统设计及光源选型 |
| 2.4.3 图像处理部分 |
| 2.5 本章小结 |
| 第3章 测量装置的机械设计 |
| 3.1 机械设计要求 |
| 3.1.1 直线运动方式的确定 |
| 3.1.2 机械回转类型的确定 |
| 3.2 测量装置结构设计 |
| 3.2.1 装置的总体组成 |
| 3.2.2 测量平台结构设计 |
| 3.2.3 调平装置结构设计 |
| 3.2.4 绝缘子固定装置设计 |
| 3.2.5 相机水平移动装置结构设计 |
| 3.2.6 相机升降装置结构设计 |
| 3.3 电机的选型 |
| 3.4 选用电机的参数计算 |
| 3.4.1 相机升降装置的电机选型与计算 |
| 3.4.2 相机升降装置的电机参数 |
| 3.4.3 测量平台用电机选型计算 |
| 3.4.4 测量平台的电机参数 |
| 3.5 本章小结 |
| 第4章 测量装置的控制系统设计 |
| 4.1 硬件设计 |
| 4.1.1 控制器的选择 |
| 4.1.2 驱动器选型与设计 |
| 4.1.3 控制系统电路硬件设计 |
| 4.2 嵌入式软件设计 |
| 4.3 测量系统软件设计 |
| 4.3.1 系统软件开发平台简介 |
| 4.3.2 测量软件人机交互界面设计 |
| 4.3.3 测量软件程序设计 |
| 4.3.4 测量软件与下位机通信定义协议 |
| 4.3.5 测量系统工作流程 |
| 4.4 图像采集用工业相机的选型 |
| 4.5 照明系统设计 |
| 4.5.1 照明方式的选择 |
| 4.5.2 光源的选择 |
| 4.6 本章小结 |
| 第5章 图像预处理及泄漏距离计算 |
| 5.1 基于小波变换的图像去噪 |
| 5.1.1 小波变换去噪过程 |
| 5.1.2 几种小波变换方法 |
| 5.1.3 小波阈值去噪 |
| 5.2 基于Lab彩色空间的图像分割 |
| 5.2.1 颜色空间转换 |
| 5.2.2 彩色图像分割 |
| 5.3 图像中绝缘子的边缘坐标检测 |
| 5.3.1 定位关键点坐标 |
| 5.3.2 曲边路径模拟 |
| 5.4 计算数字图像中的泄漏路径弧长 |
| 5.4.1 平面曲线弧长 |
| 5.4.2 弧微分 |
| 5.4.3 无方程曲线弧长计算 |
| 5.5 计算绝缘子实际泄漏距离 |
| 5.6 本章小结 |
| 第6章 实验与分析 |
| 6.1 实验设备及环境介绍 |
| 6.2 实验与算法仿真 |
| 6.2.1 图像采集 |
| 6.2.2 图像预处理 |
| 6.2.3 泄漏距离计算 |
| 6.3 实验结果与分析 |
| 6.4 本章小结 |
| 第7章 总结与展望 |
| 7.1 总结 |
| 7.2 展望 |
| 参考文献 |
| 申请学位期间的研究成果及发表的学术论文 |
| 致谢 |
（9）面向UAV的可见光与红外图像融合算法及其并行优化研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 国内外研究现状 |
| 1.2.1 基于图像融合的感知应用 |
| 1.2.2 可见光与红外图像融合算法 |
| 1.2.3 基于异构平台的算法优化 |
| 1.3 本文主要内容及章节安排 |
| 第二章 可见光与红外图像融合相关算法研究 |
| 2.1 图像融合中的预处理及总体框架 |
| 2.1.1 可见光传感器成像原理 |
| 2.1.2 红外传感器成像特点 |
| 2.1.3 可见光与红外图像配准 |
| 2.1.4 可见光与红外图像融合算法总体框架 |
| 2.2 融合框架中的多尺度分解算法 |
| 2.2.1 基于小波分解算法的融合 |
| 2.2.2 基于非下采样多尺度分解算法的图像融合 |
| 2.2.3 基于边缘保持滤波的图像融合 |
| 2.3 融合框架中的融合规则 |
| 2.3.1 低频分量的融合规则 |
| 2.3.2 高频分量的融合规则 |
| 2.4 融合效果评价 |
| 2.5 本章小结 |
| 第三章 基于RDL Wavelet以及混合显着性检测算法的图像融合算法 |
| 3.1 面向UAV的可见光与红外图像融合系统面临的挑战 |
| 3.2 冗余不可分离提升小波分解算法 |
| 3.3 改进型冗余方向提升小波算法 |
| 3.4 显着性检测算法原理及其改进 |
| 3.4.1 局部类显着性检测算法 |
| 3.4.2 全局类显着性检测算法 |
| 3.4.3 改进型混合显着性检测算法 |
| 3.5 基于改进型冗余方向提升小波分解算法以及显着性目标检测的图像融合 |
| 3.5.1 形态学闭操作 |
| 3.5.2 基于引导滤波的权重图谱 |
| 3.5.3 基于显着性图谱的融合规则 |
| 3.5.4 融合系统的总体框架 |
| 3.6 融合效果对比实验及分析 |
| 3.6.1 实验设置 |
| 3.6.2 融合效果的主观评价 |
| 3.6.3 融合效果的客观评价 |
| 3.7 本章小结 |
| 第四章 基于CPU-GPU异构结构的算法优化 |
| 4.1 GPU硬件结构与CUDA简介 |
| 4.1.1 CPU与 GPU硬件结构对比 |
| 4.1.2 CUDA简介 |
| 4.2 融合算法并行化及其CUDA优化 |
| 4.2.1 耗时分析 |
| 4.2.2 融合算法的CUDA实现及其优化 |
| 4.3 融合算法的存储优化 |
| 4.3.1 存储层次优化 |
| 4.3.2 存储开销优化 |
| 4.4 计算性能对比实验及分析 |
| 4.5 本章小结 |
| 第五章 多旋翼无人机平台及算法验证 |
| 5.1 多旋翼无人机平台系统方案 |
| 5.2 可见光、红外图像融合算法的部署 |
| 5.2.1 HSI色彩模型 |
| 5.2.2 彩色图像融合 |
| 5.2.3 机载图像融合实验 |
| 5.2.4 算法耗时 |
| 5.3 本章小结 |
| 第六章 总结与展望 |
| 6.1 本文研究工作总结 |
| 6.2 展望 |
| 致谢 |
| 参考文献 |
| 作者在学期间取得的学术成果 |
（10）基于工业机器人的结构件柔性定位技术研究（论文提纲范文）
| 摘要 |
| abstract |
| 注释表 |
| 缩略词 |
| 第一章 绪论 |
| 1.1 研究背景和意义 |
| 1.2 研究现状 |
| 1.2.1 末端执行器 |
| 1.2.2 工业机器人立体视觉定位抓取技术 |
| 1.3 研究内容和框架 |
| 第二章 工业机器人柔性定位系统构建 |
| 2.1 系统功能模块 |
| 2.1.1 离线作业系统 |
| 2.1.2 测量系统 |
| 2.1.3 末端执行系统 |
| 2.1.4 控制系统 |
| 2.2 系统硬件组成 |
| 2.2.1 硬件结构 |
| 2.2.2 测量设备 |
| 2.2.3 执行设备 |
| 2.3 定位流程 |
| 2.4 本章总结 |
| 第三章 工业机器人末端执行系统设计 |
| 3.1 设计需求分析 |
| 3.2 基于零件分类的末端设计方案 |
| 3.2.1 吸盘的选型 |
| 3.2.2 阵列结构布局 |
| 3.2.3 零件分类方法 |
| 3.3 立体视觉系统结构设计影响因素分析 |
| 3.3.1 双目相机结构参数分析 |
| 3.3.2 位姿控制点布局分析 |
| 3.4 立体视觉系统结构设计 |
| 3.4.1 相机选型 |
| 3.4.2 镜头选型 |
| 3.4.3 结构布局 |
| 3.5 本章总结 |
| 第四章 工业机器人多目立体视觉定位方法 |
| 4.1 基于自识别标记的多相机标定 |
| 4.1.1 标定板的布局和设计 |
| 4.1.2 标定特征提取 |
| 4.1.3 相机参数标定 |
| 4.2 椭圆中心特征提取 |
| 4.2.1 图像处理与轮廓提取 |
| 4.2.2 轮廓筛选 |
| 4.2.3 椭圆拟合 |
| 4.3 立体视觉测量 |
| 4.3.1 立体匹配 |
| 4.3.2 三维重建 |
| 4.4 工业机器人姿态测量 |
| 4.4.1 系统标定 |
| 4.4.2 位姿估计 |
| 4.5 本章总结 |
| 第五章 实验验证 |
| 5.1 相机标定精度实验 |
| 5.1.1 评价方法 |
| 5.1.2 相机标定实验 |
| 5.2 视觉系统测量精度实验 |
| 5.2.1 评价方法 |
| 5.2.2 视觉测量实验 |
| 5.3 工业机器人定位精度实验 |
| 5.3.1 评价方法 |
| 5.3.2 定位实验 |
| 5.4 本章总结 |
| 第六章 总结与展望 |
| 6.1 论文总结 |
| 6.2 展望 |
| 参考文献 |
| 致谢 |
| 在学期间的研究成果及发表的学术论文 |
四、不要仅以像素数多少衡量数字相机的优劣（论文参考文献）
- [1]基于视觉引导的捞渣机器人系统开发与应用研究[D]. 王顺. 冶金自动化研究设计院, 2021(01)
- [2]基于深度神经网络的面料瑕疵检测识别[D]. 纪鹏. 厦门理工学院, 2021(08)
- [3]基于3D视觉的语义算法的研究与应用[D]. 卢文雄. 北京邮电大学, 2021(01)
- [4]基于机器视觉的耐火材料热震试验的破损率计算方法研究[D]. 刘亚径. 武汉科技大学, 2021(01)
- [5]基于多流形结构的图像超分辨率重建研究[D]. 陈彤. 武汉邮电科学研究院, 2021(01)
- [6]基于相位信息的远场高分辨率光学成像技术研究[D]. 李志新. 中国科学院大学(中国科学院西安光学精密机械研究所), 2020(06)
- [7]基于机器视觉的车用轴承套圈外表面缺陷检测系统[D]. 王墨航. 浙江科技学院, 2020(03)
- [8]基于图像处理的绝缘子泄漏距离测量装置[D]. 刘汝彬. 桂林理工大学, 2020(07)
- [9]面向UAV的可见光与红外图像融合算法及其并行优化研究[D]. 宋明辉. 国防科技大学, 2019(01)
- [10]基于工业机器人的结构件柔性定位技术研究[D]. 冯志刚. 南京航空航天大学, 2019(02)