基于视觉的零件特征识别与分类方法研究与实现

发布时间：2017-06-29 18:26

  本文关键词：基于视觉的零件特征识别与分类方法研究与实现，，由笔耕文化传播整理发布。

【摘要】：随着现代工业的发展,零件的分拣技术朝着自动化、高速化、网络化的方向发展,传统的人工识别分类方法无法满足现代制造业的需求,以机器视觉为基础的零件分拣设备能够提高工业的自动化和智能化水平。基于机器视觉的分拣技术有非接触、速度快、准确率高等优点,在工业界引起了广泛的关注。论文针对基于视觉的零件特征识别与分类方法进行了研究和实现,主要内容如下:1.研究零件的预处理技术。针对图像校正、图像增强、平滑去噪、二值化、形态学操作和边缘检测操作进行了研究,并结合研究的实例做了比较分析。2.研究零件图像的特征提取和识别分类方法。研究了图像特征提取的常见方法,并结合零件的特点,重点研究了零件的形状特征和几何特征提取方法。之后,对零件的识别分类方法进行研究,使用模板匹配法和支持向量机对零件分别按照形状识别分类和按照形状、尺寸识别分类进行了分类器的设计。3.研究零件位姿识别方法。本文提出了根据零件的最小外接矩形的方法来确定零件的位姿。在图像中提取零件的最小外接矩形,得到零件在图像中的位姿。之后通过相机标定,将零件在图像中的位姿转换到实际位姿。4.设计和实现了基于机器视觉的零件识别分类系统。针对系统的4个功能模块即零件图像采集模块、图像预处理模块、零件识别分类模块和位姿识别模块,进行实现。5.在基于视觉的零件识别分类系统中,对零件的识别分类和位姿识别方法进行测试,并对实验结果进行分析。实验证明,选择零件的形状特征和几何特征具有较好的通用性和计算速度;采用模板匹配法和支持向量机法是可行的;通过零件的最小外接矩形进行位姿识别,定位的精度能够满足工业要求。
【关键词】：视觉 特征提取 识别分类 模板匹配 支持向量机 位姿识别
【学位授予单位】：中国科学院研究生院(沈阳计算技术研究所)
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP391.41
【目录】：

• 摘要5-6
• ABSTRACT6-9
• 引言9-11
• 第一章 绪论11-16
• 1.1 选题背景11
• 1.2 课题研究意义11-12
• 1.3 国内外研究现状12-14
• 1.4 论文主要研究内容14-15
• 1.5 小结15-16
• 第二章 图像预处理技术的研究16-23
• 2.1 图像的校正16
• 2.2 图像对比度增强16-17
• 2.3 图像平滑17-19
• 2.4 二值化19-20
• 2.5 形态学操作20-21
• 2.6 边缘检测21-22
• 2.7 小结22-23
• 第三章 零件图像的特征提取和识别分类方法的研究23-38
• 3.1 常用的特征提取方法23
• 3.2 零件图像特征提取方法23-28
• 3.2.1 零件图像的几何特征24-25
• 3.2.2 零件图像的形状特征25-27
• 3.2.3 零件图像的特征选择27-28
• 3.3 图像识别分类的方法28-34
• 3.3.1 模板匹配法28-30
• 3.3.2 支持向量机法30-34
• 3.4 零件识别分类的设计34-37
• 3.4.1 采用模板匹配法进行零件识别分类的设计34-36
• 3.4.2 采用支持向量机法进行零件识别分类的设计36-37
• 3.5 小结37-38
• 第四章 零件位姿识别方法的研究38-45
• 4.1 相机标定38-43
• 4.1.1 相机标定方法38-39
• 4.1.2 参考坐标系39-41
• 4.1.3 相机模型41-43
• 4.2 位姿计算43-44
• 4.3 小结44-45
• 第五章 基于视觉的零件识别分类系统的设计与实现45-56
• 5.1 基于视觉的零件识别分类系统的要求45
• 5.2 系统硬件的设计与环境搭建45-47
• 5.3 系统软件的设计47-50
• 5.3.1 系统架构设计47
• 5.3.2 系统模块设计47-48
• 5.3.3 系统的流程设计48-50
• 5.3.4 软件开发环境50
• 5.4 零件识别分类系统的实现50-55
• 5.4.1 零件图像采集模块的实现50
• 5.4.2 零件图像预处理模块的实现50
• 5.4.3 零件识别分类模块的实现50-51
• 5.4.4 零件位姿识别模块的实现51-55
• 5.5 小结55-56
• 第六章 实验结果和分析56-63
• 6.1 零件识别分类的结果和分析56-60
• 6.1.1 模板匹配法识别分类的实验结果57-58
• 6.1.2 支持向量机法(SVM)分类的实验结果58-59
• 6.1.3 异常零件图像测试59
• 6.1.4 两种识别分类方法的结果分析59-60
• 6.2 零件位姿识别实验60-61
• 6.3 误差分析61-62
• 6.4 小结62-63
• 总结与展望63-64
• 参考文献64-67
• 发表文章67-68
• 致谢68

【相似文献】

中国期刊全文数据库 前10条

1 王德纯;;对飞机进行识别分类的最佳频率[J];现代雷达;1984年01期

2 尚小晶;;基于辅助变量盲辨识方法的肌电信号识别分类[J];长春大学学报;2014年04期

3 郭欣，王润生;基于多特征的图象目标识别分类[J];国防科技大学学报;1996年03期

4 李伟光,唐文媛,王元聪;智能单据自动扫描识别分类装置[J];机械与电子;2005年10期

5 卢汉清,彭嘉雄,万发贯;角点在目标识别分类中的应用[J];数据采集与处理;1992年03期

6 杨飞;刘伟军;夏仁波;黄以君;;一种自动的轮毂识别分类方法[J];微计算机信息;2010年04期

7 秦颖博;孙杰;陈平;;基于支持向量机的尿液细胞图像识别分类研究[J];计算机工程与设计;2013年06期

8 李沁;田沛;吴保炜;高云霞;;应用分形进行金属断口的识别分类[J];仪器仪表与分析监测;2005年04期

9 徐杰,朱娅加;江西省木材数据库检索识别分类系统设计与实现[J];江西农业大学学报;1998年01期

10 方勇华,荀毓龙,乔延利,汪元钧;气体遥感红外光谱数据的识别分类[J];量子电子学报;1997年03期

中国重要会议论文全文数据库 前1条

1 李鹏;关福;;谱相关理论在话带数据信号识别分类中的应用[A];第九届全国信号处理学术年会（CCSP-99）论文集[C];1999年

中国博士学位论文全文数据库 前1条

1 杨宝娣;混纺纱截面图像的轮廓探测模型与纤维识别分类方法[D];苏州大学;2009年

中国硕士学位论文全文数据库 前3条

1 郜鲁政;交通标志的识别分类研究及平台实现[D];山东大学;2015年

2 司小婷;基于视觉的零件特征识别与分类方法研究与实现[D];中国科学院研究生院(沈阳计算技术研究所);2016年

3 王凡;藏储物害虫特征提取与识别分类研究[D];青岛科技大学;2014年

  本文关键词：基于视觉的零件特征识别与分类方法研究与实现，由笔耕文化传播整理发布。

本文编号：498913