基于机器视觉的车灯分类自动喷涂系统研究
发布时间：2021-01-16 21:40
在汽车制造领域,车灯制作过程中常用的聚碳酸酯（Polycarbonate,PC）材料由于其耐温和硬度性能不佳,PC材质的车灯常常会受到剐蹭、变黄的问题影响而导致照明效果减弱,从而影响驾驶人的人身安全。于是在车灯出厂前,往往会在车灯表面喷涂一层硬化油漆,来提高照明性能。而针对车灯工件批量少、种类繁多的特点,传统喷涂方法已经满足不了生产者对喷涂效率的追求。为了解决这个生产问题,本课题在国家自然科学基金项目（61503162,51505193）和江苏省自然科学基金项目（BK20150473）的支持下,以与江苏泰姆仕机器人科技有限公司的合作项目“车灯自动化喷涂”为平台,设计了一套基于机器视觉的车灯分类自动喷涂系统。本文工作主要如下:1.针对车灯工件的特点,设计了基于机器视觉的车灯分类自动喷涂系统的总体方案,将整个自动喷涂系统分为三个模块:传送带系统、视觉系统和喷涂系统。完成了对各个模块包括相机、光源、工业机器人和喷枪等部分的选型,以及喷涂流程的设计。2.针对视觉系统的车灯识别方法进行了研究。首先对车灯数据集的图像预处理方法进行了研究。针对喷涂环境下的噪声影响,研究了车灯图像的降噪方法。针对采集...
【文章来源】：江苏科技大学江苏省
【文章页数】：95 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
第1章 绪论
1.1 研究背景及意义
1.2 国内外研究现状
1.2.1 喷涂机器人国内外研究现状
1.2.2 自动喷涂系统的国内外研究现状
1.2.3 机器视觉研究现状
1.3 本文主要内容
第2章 车灯分类自动喷涂系统总体设计方案
2.1 引言
2.2 总体设计方案
2.3 硬件部分
2.3.1 传送带系统设计
2.3.2 工业相机的选择
2.3.3 光学镜头的选择
2.3.4 光源选择
2.3.5 工业机器人的选择
2.3.6 计算机的选择
2.3.7 喷枪的选择
2.4 本章小结
第3章 车灯图像预处理和相机标定
3.1 引言
3.2 车灯图像预处理
3.3 图像降噪
3.3.1 均值滤波
3.3.2 中值滤波
3.3.3 均值滤波和中值滤波对比
3.4 车灯数据增强
3.4.1 尺度变换操作
3.4.2 对比度亮度变换
3.5 车灯数据集的标定
3.6 自动喷涂系统的相机标定
3.6.1 相机标定原理
3.6.2相机标定实验
3.7 本章小结
第4章 基于深度学习的车灯识别与定位
4.1 引言
4.2 卷积神经网络
4.2.1 卷积层
4.2.2 池化层
4.2.3 全连接层
4.2.4 激励函数
4.2.5 神经网络权值更新
4.3 改进的Faster R-CNN网络设计与搭建
4.3.1 R-CNN网络模型
4.3.2 Fast R-CNN模型
4.3.3 Faster R-CNN模型
4.3.4 改进的用于车灯识别定位的Faster R-CNN模型
4.3.5 车灯图像的定位
4.4 实验结果及分析
4.4.1 框架介绍
4.4.2 实验结果
4.5 本章小结
第5章 车灯自动喷涂系统轨迹优化
5.1 引言
5.2 数学建模
5.2.1 喷枪位姿数学模型
5.2.2 涂层增长速率模型
5.3 车灯工件曲面分片
5.3.1 传统曲面分片算法
5.3.2 基于车灯喷涂的曲面分片方法
5.3.3 每片上的路径规划
5.4 所有轨迹的优化组合
5.4.1 基本粒子群算法
5.4.2 基于边缘重组算子的粒子群算法
5.4.3 仿真实验
5.5 本章小结
第6章 车灯自动喷涂系统实验和仿真
6.1 引言
6.2 自动喷涂系统工作流程
6.3 人机交互软件设计
6.4 自动喷涂系统的仿真
6.4.1 Robot Studio软件介绍
6.4.2 仿真实验
6.5 本章小结
总结与展望
参考文献
攻读学位期间发表的学术论文
致谢
本文编号：2981588
【文章来源】：江苏科技大学江苏省
【文章页数】：95 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
第1章 绪论
1.1 研究背景及意义
1.2 国内外研究现状
1.2.1 喷涂机器人国内外研究现状
1.2.2 自动喷涂系统的国内外研究现状
1.2.3 机器视觉研究现状
1.3 本文主要内容
第2章 车灯分类自动喷涂系统总体设计方案
2.1 引言
2.2 总体设计方案
2.3 硬件部分
2.3.1 传送带系统设计
2.3.2 工业相机的选择
2.3.3 光学镜头的选择
2.3.4 光源选择
2.3.5 工业机器人的选择
2.3.6 计算机的选择
2.3.7 喷枪的选择
2.4 本章小结
第3章 车灯图像预处理和相机标定
3.1 引言
3.2 车灯图像预处理
3.3 图像降噪
3.3.1 均值滤波
3.3.2 中值滤波
3.3.3 均值滤波和中值滤波对比
3.4 车灯数据增强
3.4.1 尺度变换操作
3.4.2 对比度亮度变换
3.5 车灯数据集的标定
3.6 自动喷涂系统的相机标定
3.6.1 相机标定原理
3.6.2相机标定实验
3.7 本章小结
第4章 基于深度学习的车灯识别与定位
4.1 引言
4.2 卷积神经网络
4.2.1 卷积层
4.2.2 池化层
4.2.3 全连接层
4.2.4 激励函数
4.2.5 神经网络权值更新
4.3 改进的Faster R-CNN网络设计与搭建
4.3.1 R-CNN网络模型
4.3.2 Fast R-CNN模型
4.3.3 Faster R-CNN模型
4.3.4 改进的用于车灯识别定位的Faster R-CNN模型
4.3.5 车灯图像的定位
4.4 实验结果及分析
4.4.1 框架介绍
4.4.2 实验结果
4.5 本章小结
第5章 车灯自动喷涂系统轨迹优化
5.1 引言
5.2 数学建模
5.2.1 喷枪位姿数学模型
5.2.2 涂层增长速率模型
5.3 车灯工件曲面分片
5.3.1 传统曲面分片算法
5.3.2 基于车灯喷涂的曲面分片方法
5.3.3 每片上的路径规划
5.4 所有轨迹的优化组合
5.4.1 基本粒子群算法
5.4.2 基于边缘重组算子的粒子群算法
5.4.3 仿真实验
5.5 本章小结
第6章 车灯自动喷涂系统实验和仿真
6.1 引言
6.2 自动喷涂系统工作流程
6.3 人机交互软件设计
6.4 自动喷涂系统的仿真
6.4.1 Robot Studio软件介绍
6.4.2 仿真实验
6.5 本章小结
总结与展望
参考文献
攻读学位期间发表的学术论文
致谢
本文编号：2981588
本文链接：https://www.wllwen.com/kejilunwen/shengwushengchang/2981588.html
最近更新
教材专著
