基于机器视觉的特定部件测量技术研究与实现

发布时间：2017-05-17 08:17

  本文关键词：基于机器视觉的特定部件测量技术研究与实现，，由笔耕文化传播整理发布。

【摘要】：机器视觉作为现代智能工业中的“眼睛”,将相机采集的数据通过图像处理方法得到目标图像特征,并利用目标检测方法辅助智能设备完成相应操作。其在特定部件的测量中有重要研究意义和工业应用价值,由于特定部件具有结构不规则、位姿特异并且关联影响因素多等特点,不能利用传统的机器视觉方法解决其位姿测量问题。本文在对基于机器视觉的特定部件测量方法的研究基础上,提出了基于DTBNN(Decision Tree Based Neutral Network)的单目机器视觉双阈值图像分割方法和基于单目机器视觉的特征平面位姿测量方法。为了能够实现动态无灰度特征峰值的图像分割,本文提出了一种基于决策树的神经网络双阈值图像分割方法。该方法首先运用决策树与神经网络的对应关系,构建出稳定、训练高效的神经网络；然后从实验采集的图像中提取图像灰度均值、最大灰度偏差与阈值映射函数作为样本数据训练神经网络；最后采用训练好的神经网络对被测图像进行阈值映射函数筛选,并计算出被测图像的上下灰度阈值完成对图像的双阈值分割。仿真实验表明,该方法不依赖于灰度直方图的峰值特征,能获取较好的上下限分割阂值；与最大类间方差双阈值法和最大熵双阈值法比较,能够在动态图像中实现双阈值分割。为了在单目机器视觉中实现对空间两坐标系间位姿关系进行测量,本文提出了一种基于特征平面的单目机器视觉位姿测量方法。首先对基于特征点和特征线的位姿测量方法进行分析,将姿态关系求解转化为两空间坐标系内平面方向向量间关系,由此可以得到旋转矩阵分量,通过求解旋转矩阵内旋转分量完成相对位姿测量。以实际工程图像为测量数据,经过几何论证分析其可行性,并与基于特征点模型的位姿测量方法和基于特征线模型的位姿测量方法进行比较分析,得出此方法在实际工程中有较好的测量效果和较小的误差,满足实际工程精度及实时性要求。本文所提出的阈值图像分割方法和视觉位姿测量方法经过实验对比分析可知,能够有效的实现双阈值图像分割和姿态测量。并将两方法应用在实际工程中,经过系统实际测试表现出较好的稳定性和实用性,达到工程测量精度要求。
【关键词】：DTBNN 双阈值 图像分割 单目视觉 特征平面 位姿测量
【学位授予单位】：北方工业大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP391.41
【目录】：

• 摘要3-4
• ABSTRACT4-9
• 第一章 绪论9-15
• 1.1 引言9
• 1.2 背景与意义9-11
• 1.2.1 课题背景9-10
• 1.2.2 研究意义10-11
• 1.3 国内外研究现状11-12
• 1.3.1 国外研究现状11
• 1.3.2 国内研究现状11-12
• 1.4 课题研究内容12-15
• 1.4.1 课题项目12-13
• 1.4.2 研究内容13-14
• 1.4.3 论文结构14-15
• 第二章 基于DTBNN的双阈值图像分割方法15-28
• 2.1 图像阈值分割相关研究15-17
• 2.1.1 图像阈值分割15
• 2.1.2 相关方法分析比较15-16
• 2.1.3 DTBNN方法16-17
• 2.2 基于DTBNN的双阈值图像分割方法17-21
• 2.2.1 双阈值图像分割17-19
• 2.2.2 构建DTBNN网络19-21
• 2.3 图像双阈值分割方法设计与实现21-27
• 2.3.1 双阈值图像分割方法设计22-23
• 2.3.2 基于DTBNN双阈值图像分割23-24
• 2.3.3 图像双阈值分割结果分析24-27
• 2.4 本章小结27-28
• 第三章 基于特征平面的单目视觉位姿测量方法28-41
• 3.1 单目位姿测量相关研究28-30
• 3.1.1 位姿测量28
• 3.1.2 相关方法分析比较28-29
• 3.1.3 单目视觉透视法分析29-30
• 3.2 基于特征平面位姿测量方法30-36
• 3.2.1 特征平面位姿关系分析30-33
• 3.2.2 建立特征面位姿测量模型33-36
• 3.3 特征平面位姿测量方法设计与实现36-40
• 3.3.1 特征平面位姿测量方法设计36-37
• 3.3.2 特征平面位姿测量实现37-39
• 3.3.3 位姿测量结果分析39-40
• 3.4 本章小结40-41
• 第四章 单目视觉系统设计与实现41-53
• 4.1 单目视觉系统整体方案41-43
• 4.1.1 视觉系统结构41-42
• 4.1.2 系统相关环境42-43
• 4.2 单目视觉系统总体设计与实现43-52
• 4.2.1 软件系统架构设计与实现43-45
• 4.2.2 系统交互流程设计与实现45-48
• 4.2.3 软件功能模块设计与实现48-52
• 4.3 本章小结52-53
• 第五章 数据分析与对比53-63
• 5.1 实验数据分析与对比53-58
• 5.1.1 阈值分割方法实验数据分析53-55
• 5.1.2 位姿测量方法实验数据分析55-58
• 5.2 系统验证与分析58-62
• 5.2.1 验证环境58-59
• 5.2.2 验证分析59-62
• 5.3 本章小结62-63
• 第六章 总结与展望63-65
• 6.1 总结63-64
• 6.2 展望64-65
• 参考文献65-69
• 附录一69-70
• 附录二70-71
• 在学期间的研究成果71-72
• 致谢72

【相似文献】

中国期刊全文数据库 前10条

1 朱瑞;机器视觉在复杂零、部件测量方面的应用[J];今日电子;2004年06期

2 黎红伟;;关于机器视觉镜头[J];可编程控制器与工厂自动化;2005年02期

3 钱竞业;;机器视觉的发展方向探讨[J];现代制造;2006年06期

4 傅昆;;行者无疆——机器视觉的中国崛起[J];现代制造;2006年21期

5 雷文华;;机器视觉及其应用(系列讲座) 第一讲 机器视觉发展概述[J];应用光学;2006年05期

6 ;机器视觉的应用使生产加工更加智能、高效[J];现代制造;2009年06期

7 李树杰;;中国机器视觉的发展趋势[J];赤峰学院学报(自然科学版);2010年01期

8 ;机器视觉最新技术动态[J];中国光学;2013年01期

9 冯伯儒;;机器视觉中的电-光技术[J];光电子学技术;1986年01期

10 戴君,赵海洋,冯心海;机器视觉[J];机械设计与制造工程;1998年04期

中国重要会议论文全文数据库 前10条

1 赵磊;董吉文;李金屏;;拓扑理论在机器视觉中的研究进展[A];全国第十五届计算机科学与技术应用学术会议论文集[C];2003年

2 张彦东;;基于机器视觉的连接器装配机床改造研究[A];首届珠中江科协论坛论文集[C];2011年

3 蔡小秧;陈文楷;;机器视觉中的鲁棒估计技术[A];计算机技术与应用进展·2007——全国第18届计算机技术与应用（CACIS）学术会议论文集[C];2007年

4 刘雅举;李娜;张莉;李东明;;机器视觉在药用玻璃瓶质量检测中的研究[A];2007年河北省电子学会、河北省计算机学会、河北省自动化学会、河北省人工智能学会、河北省计算机辅助设计研究会、河北省软件行业协会联合学术年会论文集[C];2007年

5 吴庆华;代娜;黄俊敏;程志辉;何涛;;基于机器视觉的轴承二维尺寸检测[A];第六届全国信息获取与处理学术会议论文集（1）[C];2008年

6 马连峰;张秋菊;;基于机器视觉的彩色套印检测技术研究[A];第十一届全国包装工程学术会议论文集（二）[C];2007年

7 金守峰;张慧;;面向机器视觉的织物纬斜检测方法[A];全国先进制造技术高层论坛暨第九届制造业自动化与信息化技术研讨会论文集[C];2010年

8 管庶安;周龙;陈永强;廖明潮;;机器视觉在粮食品质检测中的应用研究[A];中国粮油学会第三届学术年会论文选集（下册）[C];2004年

9 张伟华;陈军;连世江;贾海政;;机器视觉及其在农业机械中的应用综述[A];2007年中国农业工程学会学术年会论文摘要集[C];2007年

10 沈宝国;陈树人;尹建军;;基于机器视觉的棉田杂草精确定位研究[A];纪念中国农业工程学会成立30周年暨中国农业工程学会2009年学术年会（CSAE 2009）论文集[C];2009年

中国重要报纸全文数据库 前10条

1 本报记者 李剑琦;机器视觉行业整合正热 中国市场尚处萌芽期[N];机电商报;2005年

2 本报记者 董碧娟;解密机器视觉“第三只眼”[N];经济日报;2013年

3 本报记者 郭涛;机器视觉：为机器装上“眼睛”和“大脑”[N];中国高新技术产业导报;2014年

4 张均;德国机器视觉传感器市场前景好[N];中国贸易报;2007年

5 金刚;给机器一双慧眼[N];计算机世界;2007年

6 朱广菁;机器视觉怎样“看”不合格产品[N];大众科技报;2008年

7 宋昆;用机器视觉控制烟草质量[N];计算机世界;2007年

8 张栋;西安光电子专业孵化器举办专业展览会[N];中国高新技术产业导报;2007年

9 王遐;机器视觉:药品包装在线检测系统开发成功[N];中国包装报;2010年

10 点评人 高炎 黄牧青 刘笑一 李士杰 北京大学技术转移中心;机器视觉辅助冬季道路状况监测[N];科技日报;2014年

中国博士学位论文全文数据库 前10条

1 梁卓锐;机器视觉手势交互的交互映射研究[D];华南理工大学;2015年

2 孟庆宽;基于机器视觉的农业车辆—农具组合导航系统路径识别及控制方法研究[D];中国农业大学;2014年

3 葛动元;面向精密制造与检测的机器视觉及智能算法研究[D];华南理工大学;2013年

4 饶洪辉;基于机器视觉的作物对行喷药控制系统研究[D];南京农业大学;2006年

5 龚爱平;基于嵌入式机器视觉的信息采集与处理技术研究[D];浙江大学;2013年

6 陈丽君;基于机器视觉的变量喷雾控制系统研究[D];沈阳农业大学;2009年

7 徐晓秋;机器视觉球面孔位快速精密测量系统的研究[D];四川大学;2006年

8 成芳;稻种质量的机器视觉无损检测研究[D];浙江大学;2004年

9 程洪;面向园艺应用的机器视觉目标辨识方法创新[D];中国农业大学;2015年

10 许海霞;机器视觉标定与目标检测跟踪方法及其应用研究[D];湖南大学;2011年

中国硕士学位论文全文数据库 前10条

1 冼志军;锡膏印刷机误差与锡膏印刷质量检测技术研究[D];华南理工大学;2015年

2 孙斌;基于FPGA的压力表盘机器视觉研究与实现[D];昆明理工大学;2015年

3 许哲;基于机器视觉的快速测温热电偶焊接技术研究[D];河北联合大学;2014年

4 李鹏;基于机器视觉的PCB工业在线检测系统研究[D];昆明理工大学;2015年

5 佘燕玲;以用户为中心的机器视觉手势交互空间映射关系研究[D];华南理工大学;2015年

6 孙中国;基于机器视觉的面粉袋码垛机器人研究[D];山东建筑大学;2015年

7 漆静;基于机器视觉集装箱吊具智能定位系统研究[D];西南交通大学;2015年

8 张文;基于机器视觉的通信装备故障识别研究[D];西南交通大学;2015年

9 冉宝山;基于机器视觉的装料系统试验研究[D];长安大学;2015年

10 冯康;基于机器视觉的棉花识别与定位技术的研究[D];石河子大学;2015年

  本文关键词：基于机器视觉的特定部件测量技术研究与实现，由笔耕文化传播整理发布。

本文编号：372885