發(fā)布時(shí)間：2025-02-08 15:50

　　隨著工業(yè)的發(fā)展,設(shè)備的更新?lián)Q代,大量的機(jī)械零件尚未達(dá)報(bào)廢標(biāo)準(zhǔn)就被淘汰。為避免浪費(fèi)要對(duì)零件的三維信息進(jìn)行收集以方便零件的重用與重制造。傳統(tǒng)的測(cè)量方法效率低,智能化程度低,且有人為誤差。機(jī)器視覺測(cè)量方法的興起,為零件的尺寸測(cè)量與三維信息收集提供了新的思路。軸類零件是工業(yè)生產(chǎn)中使用量極大的零件,每年淘汰的軸零件數(shù)量極大,但是很多并沒有達(dá)到報(bào)廢標(biāo)準(zhǔn),所以針對(duì)廢舊軸類零件的進(jìn)行測(cè)量并三維重建,對(duì)于方便零件再利用具有重要意義。本文應(yīng)用機(jī)器視覺技術(shù),融合軸類零件制造語(yǔ)義信息,提出了廢舊軸類零件三維信息重建方法,并對(duì)此方法相關(guān)的機(jī)器視覺檢測(cè)的一些過(guò)程進(jìn)行了研究。首先,基于機(jī)器視覺對(duì)廢舊軸進(jìn)行高精度的二維測(cè)量,獲得軸零件的關(guān)鍵尺寸參數(shù);然后利用測(cè)得的二維尺寸參數(shù),結(jié)合軸類零件制造語(yǔ)義信息,對(duì)廢舊軸零件進(jìn)行參數(shù)化建模;最后應(yīng)用雙目視覺技術(shù)對(duì)廢舊軸零件上的破損進(jìn)行三維重建,以獲得軸零件的完整三維信息�；�于以上思路,本文研究?jī)?nèi)容如下:高精度機(jī)器視覺檢測(cè)需要好的邊緣提取效果。但對(duì)于邊緣檢測(cè)結(jié)果,尚沒有一個(gè)統(tǒng)一的、可以被廣泛接受的量化評(píng)價(jià)標(biāo)準(zhǔn)。本文提出了一種針對(duì)圖像邊緣檢測(cè)效果的,邊緣連續(xù)性評(píng)價(jià)算法。以邊緣的連續(xù)性...

【文章頁(yè)數(shù)】：78 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 課題的意義
    1.2 本文相關(guān)技術(shù)介紹與國(guó)內(nèi)外發(fā)展
        1.2.1 邊緣檢測(cè)效果評(píng)價(jià)指標(biāo)
        1.2.2 視覺精確測(cè)量技術(shù)
        1.2.3 參數(shù)化建模技術(shù)
        1.2.4 單、雙目三維測(cè)量與重建技術(shù)
    1.3 文本研究?jī)?nèi)容與結(jié)構(gòu)安排
第2章 邊緣檢測(cè)效果的邊緣連續(xù)性評(píng)價(jià)算法
    2.1 引言
    2.2 邊緣檢測(cè)效果評(píng)價(jià)意義
    2.3 邊緣連續(xù)性歸納分析
    2.4 數(shù)值化邊緣連續(xù)性評(píng)價(jià)指標(biāo)
        2.4.1 邊緣段的擴(kuò)展空間定義
        2.4.2 邊緣段長(zhǎng)度定義
        2.4.3 邊緣連續(xù)性量化指標(biāo)
        2.4.4 邊緣連續(xù)性程序?qū)崿F(xiàn)
    2.5 試驗(yàn)與分析
        2.5.1 縱向試驗(yàn)
        2.5.2 橫向試驗(yàn)
        2.5.3 對(duì)比實(shí)驗(yàn)
    2.6 本章小結(jié)
第3章 高斯插值與雙卷積插值結(jié)合的亞像素精度測(cè)量方法
    3.1 引言
    3.2 亞像素定位方法分析
        3.2.1 高斯插值亞像素定位算法分析
        3.2.2 高斯插值與雙三次卷積插值結(jié)合亞像素定位算法
    3.3 亞像素精度測(cè)量方法分析
    3.4 實(shí)驗(yàn)結(jié)果
        3.4.1 旋轉(zhuǎn)不變性實(shí)驗(yàn)
        3.4.2 測(cè)量精度對(duì)比實(shí)驗(yàn)
        3.4.3 軸類零件實(shí)際測(cè)量實(shí)驗(yàn)
    3.5 本章小結(jié)
第4章 基于軸類零件制造語(yǔ)義的參數(shù)化建模系統(tǒng)
    4.1 引言
    4.2 軸類零件參數(shù)化建模系統(tǒng)
        4.2.1 軸類零件參數(shù)化建模系統(tǒng)結(jié)構(gòu)
        4.2.2 軸類零件數(shù)學(xué)模型
        4.2.3 標(biāo)準(zhǔn)鍵槽庫(kù)
        4.2.4 人機(jī)交互界面
    4.3 實(shí)驗(yàn)
    4.4 本章小結(jié)
第5章 軸類零件破損的雙目視覺重建算法
    5.1 引言
    5.2 對(duì)破損雙目視覺三維重建的關(guān)鍵技術(shù)
        5.2.1 攝像機(jī)立體標(biāo)定與校正
        5.2.2 立體校正
        5.2.3 軸零件表面破損立體匹配
        5.2.4 三維重投影
    5.3 廢舊軸零件表面破損點(diǎn)云重建系統(tǒng)
        5.3.1 圖像采集與標(biāo)定流程
        5.3.2 圖像匹配流程
        5.3.3 三維重投影與點(diǎn)云顯示流程
    5.4 破損的范圍計(jì)算
        5.4.1 破損的最小包圍盒范圍
        5.4.2 破損的定位
        5.4.3 破損的三維建模
    5.5 實(shí)驗(yàn)結(jié)果
        5.5.1 標(biāo)定實(shí)驗(yàn)
        5.5.2 破損點(diǎn)云重建實(shí)驗(yàn)
        5.5.3 破損范圍估計(jì)與定位實(shí)驗(yàn)
        5.5.4 對(duì)破損的三維建模實(shí)驗(yàn)
    5.6 本章小結(jié)
結(jié)論與展望
    結(jié)論
    展望
參考文獻(xiàn)
致謝
附錄A 攻讀學(xué)位期間所發(fā)表的學(xué)術(shù)論文



本文編號(hào)：4031601