一、工业视觉系统中摄像机定标策略问题（论文文献综述）
陈丽君[1]（2017）在《基于扩展Kalman滤波的轨道线形检测研究》文中指出随着轨道交通的高速发展,平顺的轨道线路是保证车辆运行安全性和舒适性的基本条件,轨道线形检测方法是轨道线路维护及检修的关键技术之一,如何实现精确测量与计算轨道空间线形基础参数是实现轨道不平顺计算的关键理论和技术。本文基于机器视觉和惯性单元的多传感器融合技术,搭建了一套双目视觉与陀螺仪结合的数据融合模型,提出一种基于扩展Kalman滤波算法求解轨道空间线形参数的高精度检测方法。首先,基于摄像机定标原理对摄像机采集到的图像进行标定,解算出左右摄像机的内外参数和摄像机间的旋转及平移关系。其次,采用四元数法解算出陀螺仪姿态向量,并利用Kalman滤波算法优化陀螺仪姿态向量,根据机器人手眼标定原理获取摄像机与陀螺仪之间的旋转关系。再次,基于扩展Kalman滤波算法建立系统状态矩阵,利用陀螺仪姿态信息修正摄像机的姿态向量,不间断更新双目系统位移方向,得到摄像机在世界坐标系下的运动轨迹,从而获取轨道空间线形参数。本文将陀螺仪的高速动态检测性能与双目立体视觉的优良空间检测特长结合,通过扩展Kalman滤波算法融合两种测量数据,有效地抑制了陀螺仪漂移,弥补了视觉传感器受环境影响大等缺点,快速地估算出车辆在轨道上的三维坐标和姿态。建立实验平台,进行验证,实验中相机以5Hz的频率拍摄标定板,陀螺仪以100Hz的频率采样系统在全局坐标系下的角速度,使用Matlab编写程序搭建模型,对采集到的陀螺仪角速度和双目图像处理,得到系统运动的空间线性,验证算法的准确性与精度性。结果表明:双目视觉与陀螺仪的数据融合可以有效的实现轨道线型的空间测量,测量坐标在x,y,z三个方向上位移误差不超过0.381mm,能有效的消除累积误差,满足长距离测量要求。
胡辉[2]（2013）在《基于机器视觉的工业零件测量技术》文中研究指明由于机器视觉技术在工业检测领域具有巨大优势,近年来有关视觉技术在这一领域的研究与应用也变得越来越多,本文从一种常见的工业零件铆钉入手,对图像处理与机器视觉技术在该领域的应用进行了深入地分析与研究。传统的铆钉检测是以人工方式进行,效率极低,对于大批量铆钉的检测更是费时费力,不仅难以达到检测要求,而且与现代工业要求的在线测量和实时控制要求不符,为了克服传统人工铆钉检测工效低、精度不易控制等弊端,提出了一种基于机器视觉的多铆钉非接触式自动检测算法,同时也揭示了视觉技术在工业零件测量领域的基本结构。本文研究框架主要分为四大部分：（1）摄像机定标。这一部分从四大坐标系入手,详细介绍了摄像机的成像模型,并通过对基于径向一致约束定标法的算法分析与介绍,给出了该方法在本系统中的摄像机定标方案。（2）图像采集和预处理。这一部分首先介绍了CCD和CMOS图像传感器的工作原理和光源的重要性及类别；然后详细地分析了噪声的来源,并使用两种经典的滤波算法对含噪图像进行处理与分析,最后提出了一种改进的中值滤波算法,该方法在进行去噪处理时加入了信号点和噪声点的判断,能有效地提高去噪效果。（3）铆钉轮廓的提取。在这一部分中说明了图像分割技术的地位和它的研究层次结构,对边缘轮廓问题进行了分析并介绍和推导了几种基于微分和区域的两大类分割算法,最后提出了一种基于区域的改进的OTSU分割方法,实验表明该方法可以有效地减少误划分。（4）铆钉参数的求取。判断铆钉是否合格需要检测其全长、短直径、长直径和铆接长度等参数,通过前几章的算法得到了全长,短直径,在这一章中给出了一种基于支撑区间的轮廓特征点识别算法,可以准确地得到特征点,由此可以求出铆钉长直径和铆接长度。
蒋毅飞[3]（2011）在《基于虚拟高度线投影的三维重建技术研究》文中研究指明环境探索的关键是对三维环境的获取,并有效的利用三维场景信息实现相应的应用,如机器人导航、工业制造与检测、虚拟场景等应用领域。近年来,随着三维重建技术的快速发展和广泛应用,许多应用对获取的三维环境信息的准确性要求也越来越高。立体视觉作为三维场景重建的重要技术之一,以其测量准确,快速等特点,已经成为三维重建中的一个重要研究方向。而传统的立体视觉方法是对立体图对中公共视野区内的每个象素进行匹配,计算复杂度高,耗时较久,重建结果中存在大量冗余数据。针对传统方法存在的问题,本文提出了基于虚拟高度线投影的三维重建方法。本文首先针对三维重建过程中涉及到的摄像机定标、图像几何校正、立体匹配算法等关键算法做了一定程度的介绍。通过摄像机定标获取摄像机的内部参数和外部参数,通过几何校正使左右图像中对应的极线变成共线且平行于图像扫描线,将匹配点的搜索范围从二维降为一维。结合本文提出的三维重建模型,选取合适的立体匹配算法。然后详细阐述了基于虚拟高度线投影的三维重建方法。首先,将场景均匀栅格化,在栅格中引入虚拟高度线,并将其投影到立体视觉系统的立体图对中产生投影线,将求解场景点高度值的问题转化为求证其投影点是否在投影线上和在水平视差搜索方向上具有最大相似测度的问题；为减轻投影线量化误差以及局部匹配窗口效应的影响,将投影点在投影线上具有最大相似测度的条件降低至大于某个预设阈值并得到候选对应点集,然后采用物体边缘对其进行特征优化；最后采用制表法和盒滤波技术减少算法中的冗余因子,并对程序进行超线程加速。实验结果验证了该方法是有效的,比传统方法有更高的准确性,而且能够满足实时性的要求。空间分辨率和图像分辨率对三维重建的结果具有较大影响,本文对此做了深入研究。在不同空间分辨率的情况下,通过大量的人工场景和自然场景实验对三维重建结果进行了定性和定量分析,并提出了基于兴趣栅格的金字塔式细化的重建方法,来获得更准确的三维重建结果以及更多的场景细节信息。对不同图像分辨率的场景图像进行三维重建实验。实验结果表明图像分辨率的提高可以降低图像量化对虚拟高度线投影位置的影响,减少三维重建结果误差,获得更加准确的三维重建信息。最后,对本文提出的三维重建方法进行了误差分析,建立了误差补偿模型。误差补偿实验结果表明该补偿方法可以减少了重建误差,使得三维重建结果更加准确。
江明[4]（2010）在《基于双目视觉的三维信息获取及重构方法研究》文中研究说明视觉是人类观察世界、认识世界的重要手段。科学研究和统计表明,人类从外界获得的信息约有75%是从视觉中得到的。计算机视觉则是用计算机实现人的视觉功能,对客观世界的三维信息进行感知和解释的一门学科。它通过图像传感器获得图像序列,再通过计算机对图像序列进行图像处理,模式识别等方式来理解图像,并对该图像所表示的三维世界进行描述和理解。其最终目标就是让计算机能够像人一样通过图像传感器这双眼睛来观察和理解这个世界。在计算机科学和工程、信号处理、物理学、应用数学和统计学、神经生理学和认知科学等研究方面以及在制造业、检验、文档分析、医疗诊断和军事等领域的各种智能应用方面,计算机视觉都有着非常广泛的应用前景。基于双目立体视觉的三维重建是利用计算机视觉和图像处理技术进行三维重建的一种方法。同其他三维重建的方法相比,这种方法不需要其他辅助设备来帮助重建,利用双目视觉中所包含的场景深度信息来进行三维重建,因此有速度快、效率高和成本低的优点。一个完整的基于双目立体视觉的三维重建系统主要包括双目立体视觉采集平台和软件开发平台,软件开发平台又划分为摄像机定标、特征提取、极线校正、立体匹配和三维重建五个模块。本文按照基于双目立体视觉的三维重建系统的结构划分来分别介绍各个部分的相关原理。系统采用了两台参数不同的摄像机来搭建双目立体视觉图像采集平台,由于参数不同会对定标结果产生一定的误差。因此本文提出了一种先采用张正友定标法对每一台摄像机单独定标再进行一次立体定标的方法,以修正摄像机的定标结果并计算两台计算机间的相对位置,减小因参数不同导致的误差。在匹配前,通过Canny边缘检测来提取强特征点以供立体匹配。再利用摄像机定标的结果对图像进行极线校正,使经过校正后的图像行对齐,以此提高立体匹配的速度和精度。图像经过校正后即可对提取的强特征点进行立体匹配,本文采用了一种基于灰度窗口的稀疏点匹配的方法,即将图像中强特征点的邻域窗口的灰度进行匹配,将所有特征点都进行匹配后,进行一次线性插值以恢复表面信息,因为特征点数量少,又具有很强的特征性,所以有速度快精度高的优点。最后利用匹配结果进行三维重建,并提出了一种基于已校正图像的快速三维重建算法,计算出匹配点的三维空间坐标以及图像的深度信息图,并根据深度图在OpenGL中进行三维图形重建。本文最终对该算法进行了实现并且在采用不同参数的情况下进行了大量的实验。实验结果表明,在立体匹配时,匹配结果会因窗口尺寸取值不同而产生误差,并且不同的图像在应用同一窗口尺寸来进行匹配时也会产生误差。而在匹配后进行三维重建时,由于世界坐标系原点取值不同,点的三维坐标会有不同的结果。但是视差图已基本可以正确的反映出点离摄像机的距离,并且通过OpenGL进行图形重建后也基本还原了三维场景。
杨永勇[5]（2008）在《水下干式高压焊接焊缝跟踪实验系统研究》文中认为随着海底管道铺设增多,水下焊接越来越受到人们的重视。水下干式高压焊接是水下焊接的重要手段,实现水下干式高压焊接自动化对于推动水下焊接的发展具有重要的意义。而水下干式高压焊接焊缝跟踪技术是水下干式高压焊接自动化的重要内容。本课题在对焊缝跟踪技术最新进展研究和高压环境对焊缝跟踪系统影响研究的基础上,建立了一套适合于高压环境进行焊缝跟踪的实验系统。实验采用被动光视觉方法,通过选取合适带宽的滤光镜,保证系统能在高压环境中采集到清晰的焊缝图像。控制单元采用最新发展的DSP技术,能够确保系统离线式和实时性。将采集到的焊缝图像传输到DM642中进行图像处理,得到的偏差信号通过串口通讯传递到DSP2812中,DSP2812将这个信号通过实时控制算法处理,转换为两个不同占空比的PWM波信号,PWM波被发送到电机驱动器中分别用于控制电机的运动方向和运动速度。对被动光视觉技术的焊缝图像处理技术进行了研究分析,结合DSP技术的特点,提出一种有效的焊缝边缘识别算法。采用开小窗技术、中值滤波、Sobel边缘检测、二值化、特定区域边缘搜索法实现焊缝边缘的识别,保证系统的实时性。采用中值滤波对识别到的焊缝中心线数据进行滤波去噪,增强算法的抗干扰性,保证系统鲁棒性。通过选取钨极顶部区域的焊缝中心线坐标值参与偏差计算,消除系统的前导误差;在识别焊缝中心线时,同时对钨极中心线进行识别,对识别到的钨极中心线坐标做中值滤波和校正,保证系统的准确性。在算法中加入一些控制参数,防止算法失效和钨极调整位置超出焊缝范围,保证系统的智能性。对曲线焊缝进行模拟跟踪实验,对斜焊缝进行智能行走实验,对斜焊缝在焊接条件下进行实时跟踪实验,实验结果表明系统能够满足水下高压焊接焊缝跟踪实验要求。
邱光帅[6]（2005）在《双目立体视觉在机器人三维重建定位中的方法研究》文中研究指明立体视觉技术是机器人技术研究中最为活跃的一个分支,是智能机器人的重要标志。双目立体视觉是通过对同一目标的两幅图像提取、识别、匹配和解释,重建三维环境信息的过程。主要包括:视频捕获、摄像机标定、图像预处理和特征提取、立体匹配以及三维重建。通过对双目立体视觉技术的进一步研究,对多目视觉具有重要的启发,为解决智能移动机器人、工业装配机器人、家用机器人、公共服务机器人的视觉问题奠定良好的技术基础。 合适的硬软件结构有利于机器人完善功能、简化结构、减低造价。本论文基于CCD摄像机和个人计算机组成的视觉系统,重点讨论了摄像机参数定标、立体匹配、目标定位、深度图生成以及三维重建等方面的内容。在摄像机参数标定中,根据坐标关系,分别讨论了不同的摄像机模型,并对传统的定标方法和摄像机自定标做了详细阐述。双目视觉立体匹配是寻找同一目标点在两幅图像中的成像位置,匹配特征的选取、匹配准则的确定、匹配算法的实现是立体匹配的三个重要步骤。目标定位是通过双目视觉模型分析,利用空间几何关系,最后提出了目标点的三维坐标计算表达式。深度图生成是深度信息的可视化过程,本文讨论了不同深度图表达形式和深度插值方法。至此构建一个完整的机器人双目立体视觉系统结构。
夏朝猛[7]（2005）在《计算机视觉技术在工业机器人上的应用》文中提出机器人自问世以来到现在,经过了40多年的发展,已被广泛应用于各个工业领域,已成为工业现代化的重要标志。但是,目前工厂实际应用的工业机器人大部分都以“示教—再现”的工作方式运行。由于这种工作方式是开环工作方式,缺乏对外部变化信息的了解,譬如作业对象发生了偏移或者变形导致位置发生变化,或者其再现轨迹上有障碍物出现时,工业机器人就不能根据这些变化实时地调整其运动轨迹,缺乏灵活性和适应性,因此我们引进计算机视觉系统,在原有的Motoman UP6工业机器人系统的基础上,为其研究开发了一套计算机视觉系统。这套计算机视觉由摄像机、图像采集卡、工业计算机和原来的Motoman UP6工业机器人系统以及相关的软件组成。通过这套计算机视觉系统,获取操作对象和周围环境的图像信息并进行分析处理,实现对图像中特征点的三维空间定位,然后由计算机利用机器人远程控制软件Motocom32对工业机器人进行远程控制,实现机器人对这些点的自动定位和跟踪。 本论文首先阐述了工业机器人相关知识,包括Motoman UP6工业机器人相关知识、工业机器人运动学的正逆解问题,并综合运用机器人运动学理论,利用Motocom32软件与机器人在控制柜通讯,通过对机器人程序文件的上传、分析、规划重组和下载等处理,实现了对运动中工业机器人轨迹的实时规划。然后详细地介绍了整个工业机器人视觉系统的软硬件组成以及摄像机的定标问题。在总结传统定标方法的基础上,结合本系统实际情况,提出简单、快速的摄像机内外参数的定标与修正方法。该方法在摄像机模型中全面考虑了镜头的非线性畸变和系统误差,在直接线性标定法中引入了处理镜头非线性畸变和系统误差的因子,通过简单的迭代求解实现了对摄像机的快速定标。随后论述了现有成熟的图像处理算法,在此基础上,结合本课题应用背景,设计了一组实用的图像处理方法,包括图像预处理,图像分割和边缘检测,图像特征提取以及图像特征量的计算,有效地求出了图像特征量信息。最后介绍了本系统所采用的立体成像方式、三维重建方法和模型,以及立体视觉中的图像匹配的问题。根据前面求解出的图像特征量信息,对从不同视点的获取的幅图像序列进行匹配,并利用三维重建技术,结合摄像机定标的内外参数所确定的空间点与其在图像平面上投影点的投影关系,求解出空间点的三维坐标信息。利用这些三维信息,由计算机产生相应的机器人运动控制命令,通过Motocom32软件对机器人进行远程控制,实现机器人对这些空间点的自动定位和跟踪。
陈华华[8]（2005）在《视觉导航关键技术研究：立体视觉和路径规划》文中进行了进一步梳理陆地自主车（Autonomous Land Vehicle,简称ALV）是一种能够在道路和野外连续地、实时地自主运动的智能移动机器人，其研究涉及多个学科的理论与技术，体现了信息科学与人工智能技术的最新成果，具有重大的研究价值和应用价值，受到了世界各国的重视。在移动机器人的各项关键技术中，视觉导航的主要功能是对各种道路场景进行快速识别和理解，从而确定移动机器人的可行驶道路区域，而视觉导航技术的关键是障碍物的快速检测与识别。路径规划则根据视觉处理获得的信息，在可行区域内规划出一条安全、高效的路径。陆地自主车的行驶过程即立体视觉获取前方的路面环境信息，然后通过智能控制技术使自主车沿规划的路径行走。因此本论文旨在研究陆地自主车的立体视觉系统设计和实现，以及在视觉处理获得的信息基础上进行路径规划。 摄像机的精确定标是立体视觉研究的基础，本文第二章围绕摄像机定标对各种定标模板及其控制点、摄像机模型的优缺点进行了比较和分析，结合应用环境确定了适合于自主车的定标模板和控制点以及摄像机模型，并讨论了相应的摄像机定标方法，该方法只需要用多个任意角度的平面模板进行定标，操作过程简单，而且定标精度较高，能够较好的适合自主车导航现场环境的要求。此外，立体图像对的外极线校正是降低匹配算法复杂度必不可少的工作，在这一章中首先研究了双目立体视觉校正算法，但是其有一定的局限性，不适用于多基线立体视觉系统，由此局限性出发对此算法进行修改，将其扩展到平行三目立体视觉系统，实验结果表明，该算法正确有效并且可以推广到摄像机数目超过三个的平行多基线立体视觉系统。 第三章对立体匹配算法作了深入的研究，研究中突出了算法实时性和鲁棒性要求。对于局域匹配法，重点研究了区域法，对其各种相似性测度的准确性以及匹配窗口的大小进行了定性和定量的评估，对影响匹配结果的各种预处理和后处理作了深入的研究，并提出了多分辨率、盒滤波、并行指令、超线程、OpenMP等多种提高匹配实时性的加速方法。对全局匹配方法，研究了比较流行的动态规划方法和Graph cuts方法。对这两种全局匹配方法的准确性作了定量和定性的评估，并对这两种方法存在实时性较差的不足，提出了基于多分辨率的匹配方法，大大减少了匹配时间。 立体匹配的结果最终通过三维重建来表现，在本文第四章提出了具有实时性较高的三维重建算法，对该算法结合摄像机定标过程中的模型误差和图像噪声误差、匹配过程中的透视投影变形误差、非校准误差、系统误差、量化误差以及双目视觉系统的误差模型对重建的误差进行了分析，并提出了误差修正算法，通过实例验证了该修正算法可以减少重建误差。在重建算法的基础上，结合自主车GPS／INS提供的车体位置和姿态，对越野环境的地貌进行了全局地图构建，通过实例验证表明构建的全局地图基本符合了真实三维场景。自主车的安全行驶除了需要三维重建提供正确的道路信息以外，还必须根据道路信息为自主车找到一条安全、高效的免碰撞路径，这一任务由路径规划来完成。针对传统自主车路径规划算法存在对环境适应能力差、易落入局部最小点等问题，提出了采用遗传算法来动态避障和规划路径。由于标准遗传算法存在容易产生早熟收敛的问题，对标准遗传算法进行了改进，提出了改进型遗传算法，该算法收敛于全局最优，并在此基础上提出了动态避障的路径规划算法，通过对算法的仿真，表明该规划算法可以稳定地产生最优路径和实施动态避障，并具有较高的实时性，符合了白主车实时导航的要求，而且该算法产生的路径比采用标准遗传算法的路径规划产生的路径史短。关键词:陆地自主车，立体视觉，摄像机定标，外极线校正，区域法匹配，动态规划，graphcute，二维重建，路径规划
王宁玲[9]（2005）在《立体视觉在非接触三维测量中的应用与研究》文中认为计算机立体视觉三维测量是一门新兴技术,在现代工业领域尤其是三维轮廓和体积测量等方面有广阔应用前景。本文系统研究了立体视觉三维测量中摄像机定标、特征点的提取与匹配、图像处理和三维计算等关键技术。提出了三维测量实验系统硬件及软件解决方案,在MATLAB环境下编制、调试了实验系统软件,建成了基于双目立体视觉技术的三维测量实验研究平台。在该平台上开展了摄像机定标及回转体、类回转体的三维测量实验,成功实现了空间立体三维信息重建和体积等关键参数的测取。
伍雪冬[10]（2005）在《计算机视觉中摄像机定标及位姿和运动估计方法的研究》文中进行了进一步梳理计算机视觉是一个相当新且发展十分迅速的研究领域，已成为智能自动化科学的重要研究领域之一，它的研究目标是使计算机具有通过一幅或多幅图像认识周围环境信息的能力，这种能力将不仅使机器能感知环境中物体的几何信息，包括它的形状、位置、姿态和运动等，而且能对它们进行描述、存储、识别和理解。 本文首先介绍了计算机视觉中所用到的射影几何、仿射几何、度量几何和欧氏几何等各类几何学的基本概念和相关特性；概述了摄像机模型及成像原理；回顾了近年来摄像机定标方法的发展，对存在的各种摄像机定标方法进行了分析、比较和总结；最后，重点阐述了变内部参数摄像机线性自定标、平面型场景图像的透视校正、四种非线性状态估计滤波器（EKF1、EKF2、DD1和DD2）及基于单目视觉的位姿和运动估计的研究方法。 ◆变内部参数摄像机线性自定标。在某些视觉系统中（例如机器人视觉系统、主动视觉系统）需要经常改变摄像机的位置或调整摄像机光学系统（如光圈与焦距），在每次调整以后，都需要对摄像机重新定标。针对这种情况，本文提出了一种可处理畸变因子和主点已知但其它内部参数发生变化时的摄像机自定标方法，该方法先计算图像间的基本矩阵，在计算基本矩阵后得到射影重建的基础上，用线性方法恢复同形矩阵，再利用同形矩阵计算摄像机内部参数。 ◆基于场景几何知识的三维度量重建。三维场景图像的度量重建一般是针对图像序列的，所使用的层次化度量重建方法都是首先得到图像序列的射影重建。如果三维物体表面都是平面（这种情况是比较常见的），则在平面型场景图像三维度量重建的基础上，基于场景几何知识，对平面型场景图像和常规的三维场景图像的度量重建进行了回顾，然后在此基础上提出了一种不必进行射影重建且只须单幅图像的三维度量重建方法。 ◆四种非线性状态估计滤波器（EKF1、EKF2、DD1和DD2）。对于某些系统不能用简单的线性模型来描述，因此必须发展非线性的滤波算法，在线性卡尔曼滤波的基础上，用一阶和二阶Taylor级数来近似非线性动态方程和测量方程，分别得到了EKF1（基于一阶Taylor近似）和EKF2（基于二阶Taylor近似）滤波器，但是使用EKF1和EKF2滤波器要求非线性动态方程和测量方程相应的一阶和二阶微分存在，在非线性动态方程和测量方程的一阶和二阶微分不存在时，用不需要计算微分的Stirling插值近似代替Taylor近似得出了另外两种新的滤波器，即DD1滤波器（基于一阶Stirling插值近似）和DD2滤波器（基于二阶Stirling插值近似）。 ◆基于单目视觉的位姿和运动估计。随着计算机视觉这门新兴学科的出现，计算机视觉中摄像机定标及位姿和运动估计方法的研究不需要物体接触或人工干预，估计两参考坐标系之间的相对三维位姿和运动对机器人导航、装配及测量、跟踪、目标识别和摄像机定标来说也是一个非常重要的研究问题。利用单摄像机所获取的二维图像序列来估计两坐标系之间的相对位姿和运动在实际应用中是可取的，其难点是从物体的三维特征投影到二维图像特征的过程是一个非线性变换，本文研究了在运动物体尺寸和形状己知的情况下，三维坐标变换用八元数表示，用单摄像机获取运动物体的图像，以线特征作为测量输入，建立了位姿和运动估计系统的非线性模型，分别用IEKFI、IEKFZ、DDI和DDZ四种滤波器进行了仿真比较，得出了位姿和运动估计结果。关键词:变内部参数摄像机自定标;度量重建;Taylor近似;stirling插值近似;滤波器;位姿和运动估计
二、工业视觉系统中摄像机定标策略问题（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、工业视觉系统中摄像机定标策略问题（论文提纲范文）
（1）基于扩展Kalman滤波的轨道线形检测研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 课题来源及背景意义 |
| 1.1.1 课题来源 |
| 1.1.2 课题背景 |
| 1.1.3 研究意义 |
| 1.2 轨道几何参数检测方法 |
| 1.2.1 基于惯性的轨道几何参数检测 |
| 1.2.2 基于机器视觉的轨道几何参数检测 |
| 1.2.3 基于摄像的轨道局部状态检测 |
| 1.3 研究内容和章节安排 |
| 1.3.1 研究内容 |
| 1.3.2 创新点 |
| 1.3.3 章节安排 |
| 1.4 本章小结 |
| 第二章 双目视觉定标 |
| 2.1 坐标系定义 |
| 2.2 摄像机定标 |
| 2.2.1 线性摄像机模型 |
| 2.2.2 线性摄像机定标 |
| 2.2.3 双目视觉摄像机定标 |
| 2.3 机器人手眼标定 |
| 2.4 定标工具及实现 |
| 2.4.1 摄像机标定 |
| 2.4.2 双目摄像机标定 |
| 2.5 本章小结 |
| 第三章 基于Kalman滤波的联合标定 |
| 3.1 陀螺仪姿态解算 |
| 3.1.1 旋转理论 |
| 3.1.2 陀螺仪姿态估计 |
| 3.2 双目视觉与陀螺仪联合标定 |
| 3.2.1 坐标系的建立 |
| 3.2.2 双目摄像机坐标系与陀螺仪坐标系的空间关系 |
| 3.3 实验结果及分析 |
| 3.4 本章小结 |
| 第四章 基于扩展Kalman滤波的信息融合 |
| 4.1 融合模型分析 |
| 4.1.1 线性卡尔曼滤波器 |
| 4.1.2 扩展卡尔曼滤波器 |
| 4.2 轨道空间线形的求解 |
| 4.2.1 摄像机在世界坐标系下的运动坐标 |
| 4.2.2 陀螺仪在世界坐标系下的运动坐标 |
| 4.3 融合模型的构建 |
| 4.3.1 融合模型的构建 |
| 4.3.2 系统方程建立 |
| 4.4 仿真实验及分析 |
| 4.5 本章小结 |
| 第五章 实验设计与分析 |
| 5.1 实验目的 |
| 5.2 实验室环境实验验证 |
| 5.2.1 实验平台总体设计 |
| 5.2.2 实验过程 |
| 5.3 实验结果与分析 |
| 5.4 现场环境实验验证 |
| 5.4.1 实验平台搭建 |
| 5.4.2 实验结果与分析 |
| 5.5 本章小结 |
| 第六章 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 攻读硕士学位期间发表的学术论文 |
| 致谢 |
（2）基于机器视觉的工业零件测量技术（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 机器视觉概况 |
| 1.1.1 人类视觉与机器视觉 |
| 1.1.2 机器视觉特点及其发展 |
| 1.2 机器视觉的应用 |
| 1.2.1 机器视觉在工业检测领域的应用 |
| 1.2.2 机器视觉尺寸检测系统的关键问题 |
| 1.3 国内外研究状况及发展趋势 |
| 1.4 本文的研究内容 |
| 1.5 本文的主要工作和章节安排 |
| 2 摄像机定标 |
| 2.1 摄像机的成像模型 |
| 2.1.1 坐标系 |
| 2.1.2 成像模型 |
| 2.2 摄像机定标方法 |
| 2.3 本章小结 |
| 3 图像采集和预处理 |
| 3.1 图像的采集 |
| 3.1.1 图像传感设备 |
| 3.1.2 光源 |
| 3.2 图像预处理 |
| 3.2.1 噪声来源及分析 |
| 3.2.2 噪声处理 |
| 3.2.3 一种改进的中值滤波算法 |
| 3.3 本章小结 |
| 4 铆钉轮廓的提取 |
| 4.1 铆钉图像分割算法 |
| 4.1.1 图像分割技术研究概述 |
| 4.1.2 图像分割算法分析 |
| 4.1.3 一种改进的OTSU分割法 |
| 4.2 铆钉图像Blob分析 |
| 4.3 铆钉图像区域轮廓跟踪 |
| 4.4 本章小结 |
| 5 铆钉参数的求取 |
| 5.1 铆钉轮廓定位 |
| 5.2 铆钉轮廓特征点识别 |
| 5.2.1 轮廓特征点检测识别技术概述 |
| 5.2.2 基于图像像素灰度特性的特征点识别方法 |
| 5.2.3 基于数学形态学的特征点识别方法 |
| 5.2.4 基于目标边缘轮廓曲线的特征点识别方法 |
| 5.2.5 铆钉轮廓特征点识别算法 |
| 5.3 本章小结 |
| 6 结论 |
| 参考文献 |
| 攻读硕士学位期间发表的论文 |
| 致谢 |
（3）基于虚拟高度线投影的三维重建技术研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 论文研究的背景和意义 |
| 1.1.1 计算机视觉的发展 |
| 1.1.2 计算机视觉系统的构成 |
| 1.1.3 Marr视觉理论框架 |
| 1.1.4 视觉测量系统与关键技术 |
| 1.2 国内外发展现状 |
| 1.3 论文主要工作及章节内容安排 |
| 第2章 平行双目立体视觉技术概述 |
| 2.1 引言 |
| 2.2 摄像机定标 |
| 2.2.1 摄像机模型 |
| 2.2.2 单个摄像机定标 |
| 2.3 图像几何校正 |
| 2.3.1 双目立体视觉系统 |
| 2.3.2 极线几何 |
| 2.3.3 图像校正 |
| 2.3.4 图像校正实验 |
| 2.4 立体匹配 |
| 2.4.1 相似性度量因子 |
| 2.4.2 匹配窗口 |
| 2.5 本章小节 |
| 第3章 基于虚拟高度线投影的三维成像技术 |
| 3.1 引言 |
| 3.2 虚拟高度线投影成像原理 |
| 3.3 虚拟高度线在二维图像中的投影线方程的确定 |
| 3.4 虚拟高度投影线上对应点的搜索策略 |
| 3.4.1 基本约束条件及边缘特征优化 |
| 3.4.2 人工场景实验结果及分析 |
| 3.4.3 自然场景实验结果及分析 |
| 3.5 算法改进及实时加速技术 |
| 3.5.1 基于高度投影线方程的制表法 |
| 3.5.2 相关算法结构改进及盒滤波技术加速 |
| 3.5.3 算法的超线程技术加速实现 |
| 3.5.4 实验结果与分析 |
| 3.6 本章小结 |
| 第4章 空间分辨率和图像分辨率对三维重建的影响 |
| 4.1 引言 |
| 4.2 空间分辨率对三维重建的影响 |
| 4.2.1 不同栅格大小的三维重建结果分析 |
| 4.2.2 基于兴趣栅格的金字塔式细化 |
| 4.2.3 障碍物特例和自然场景的三维重建结果与分析 |
| 4.3 图像分辨率对三维重建的影响 |
| 4.3.1 图像分辨率对算法的影响 |
| 4.3.2 不同图像分辨率的三维重建结果分析 |
| 4.4 本章小节 |
| 第5章 三维重建的误差分析及补偿 |
| 5.1 引言 |
| 5.2 摄像机定标误差 |
| 5.3 匹配误差 |
| 5.4 三维重建模型误差 |
| 5.4.1 误差来源分析 |
| 5.4.2 误差参数分析及补偿 |
| 5.4.3 误差补偿公式简化及参数求解 |
| 5.5 补偿实验结果及分析 |
| 5.6 本章小节 |
| 第6章 总结与展望 |
| 致谢 |
| 参考文献 |
| 附录 |
（4）基于双目视觉的三维信息获取及重构方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 课题背景和意义 |
| 1.2 国内外研究现状 |
| 1.3 本文工作 |
| 1.3.1 主要研究内容 |
| 1.3.2 论文结构安排 |
| 第二章 摄像机定标 |
| 2.1 摄像机定标的基本原理 |
| 2.2 摄像机定标 |
| 2.2.1 单摄像机定标 |
| 2.2.2 立体定标 |
| 2.3 摄像机畸变校正 |
| 2.4 本章小结 |
| 第三章 特征提取和立体匹配 |
| 3.1 特征提取 |
| 3.1.1 概述 |
| 3.1.2 Harris角点检测 |
| 3.1.3 边缘检测 |
| 3.1.4 自适应边缘检测 |
| 3.2 立体匹配 |
| 3.2.1 立体匹配概述 |
| 3.2.2 极线约束 |
| 3.2.3 图像校正 |
| 3.2.4 基于窗口的稀疏点匹配 |
| 3.3 本章小节 |
| 第四章 三维重建 |
| 4.1 三维重建概述 |
| 4.1.1 光度立体视觉的三维重建 |
| 4.1.2 结构光三维视觉三维重建 |
| 4.2 双目视觉的三维重建 |
| 4.2.1 基本原理 |
| 4.2.2 基于已校正图像的快速三维重建算法 |
| 4.2.3 算法比较 |
| 4.3 本章小结 |
| 第五章 基于双目视觉的三维重建系统 |
| 5.1 系统流程 |
| 5.2 双目立体视觉采集平台 |
| 5.3 软件开发平台 |
| 5.3.1 OpenCV简介 |
| 5.3.2 软件功能模块 |
| 5.4 三维重建模块 |
| 5.4.1 OPENGL简介 |
| 5.4.2 OPENGL基本流程 |
| 5.5 本章小节 |
| 第六章 系统实现与分析 |
| 6.1 系统结果演示 |
| 6.1.1 提取实验图像 |
| 6.1.2 摄像机定标 |
| 6.1.3 特征提取 |
| 6.1.4 立体匹配和三维重建 |
| 6.2 结果分析 |
| 6.3 本章小节 |
| 第七章 总结与展望 |
| 7.1 总结 |
| 7.2 不足与展望 |
| 致谢 |
| 参考文献 |
| 攻读硕士期间发表的论文 |
（5）水下干式高压焊接焊缝跟踪实验系统研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 水下焊接研究现状 |
| 1.1.1 水下焊接的发展现状 |
| 1.1.2 水下焊接方法分类及特点 |
| 1.1.3 水下焊接出现的问题 |
| 1.2 焊缝跟踪技术国内外研究现状 |
| 1.3 焊缝跟踪实验系统概述 |
| 1.3.1 传感器的分类及选择 |
| 1.3.2 视觉传感系统定标技术研究 |
| 1.3.3 焊缝识别图像处理技术研究进展 |
| 1.3.4 焊缝跟踪控制技术概述 |
| 1.4 本课题研究的意义、主要研究内容及难点分析 |
| 1.4.1 本课题研究意义 |
| 1.4.2 主要研究内容 |
| 1.4.3 本课题难点分析 |
| 第二章 干式高压焊接焊缝跟踪实验系统设计 |
| 2.1 图像采集单元设计 |
| 2.1.1 干式高压环境下光谱对焊缝图像的影响及滤光镜的选择 |
| 2.1.2 CCD摄像机 |
| 2.1.3 干式高压环境下图像采集单元结构设计 |
| 2.2 焊缝图像实时处理单元设计 |
| 2.2.1 DSP技术介绍 |
| 2.2.2 基于DSP的图像实时处理单元 |
| 2.2.3 SEED-VPM642 DSP图像处理板介绍 |
| 2.3 实时控制单元设计 |
| 2.3.1 基于DSP技术的实时控制单元 |
| 2.3.2 SEED-DEC2812 DSP电机控制板介绍 |
| 2.4 电机驱动及其接口电路 |
| 2.4.1 电机技术参数 |
| 2.4.2 电机驱动器的选用 |
| 2.4.3 电机驱动器与电机接口电路设计 |
| 2.4.4 SEED-DEC2812与电机驱动器接口设计 |
| 2.4.5 光电隔离电路 |
| 2.5 人机交互界面设计及其接口电路 |
| 2.5.1 人机交互界面设计 |
| 2.5.2 人机交互接口电路 |
| 2.6 其余单元 |
| 2.7 本章小结 |
| 第三章 焊缝图像处理与分析 |
| 3.1 DSP图像数据格式 |
| 3.1.1 彩色数字图像颜色模型 |
| 3.1.2 DSP图像数据格式 |
| 3.2 区域分割—开小窗技术 |
| 3.3 焊缝图像去噪 |
| 3.3.1 焊缝图像中的噪声分析 |
| 3.3.2 焊缝图像去噪方法 |
| 3.3.3 焊缝图像去噪结果及分析 |
| 3.4 边缘检测 |
| 3.4.1 微分算子法 |
| 3.4.2 拉普拉斯(LOG)算子 |
| 3.4.3 Canny法 |
| 3.4.4 边缘检测结果及分析 |
| 3.5 图像二值化 |
| 3.5.1 实验确定法 |
| 3.5.2 灰度直方图分析法 |
| 3.5.3 自适应阈值法 |
| 3.5.4 焊缝图像二值化结果及分析 |
| 3.6 边缘提取及求取中心线 |
| 3.6.1 Hough变换法 |
| 3.6.2 边缘搜索法 |
| 3.6.3 求取中心线 |
| 3.7 求取电机控制参数 |
| 3.7.1 视觉系统定标 |
| 3.7.2 求取电机控制参数 |
| 3.8 基于DSP技术的焊缝图像实时处理 |
| 3.9 基于DSP技术的焊缝跟踪实时控制程序设计 |
| 3.10 本章小结 |
| 第四章 实验结果及分析 |
| 4.1 实验条件 |
| 4.1.1 硬件条件 |
| 4.1.2 软件条件 |
| 4.2 实验结果及分析 |
| 4.2.1 曲线焊缝跟踪模拟实验 |
| 4.2.2 实验系统智能行走实验 |
| 4.2.3 焊接条件下斜焊缝跟踪实验 |
| 4.2.4 精度分析 |
| 4.3 实验中电磁干扰及其防护 |
| 4.4 本章小结 |
| 第五章 结论 |
| 参考文献 |
| 研究成果及发表的学术论文 |
| 致谢 |
| 作者和导师简介 |
| 硕士研究生学位论文答辩委员会决议书 |
（6）双目立体视觉在机器人三维重建定位中的方法研究（论文提纲范文）
| 第一章 绪论 |
| 1.1 概述 |
| 1.2 国内外双目立体视觉的发展 |
| 1.2.1 Marr的计算视觉理论框架 |
| 1.2.2 国外基于Marr理论的双目立体视觉方法 |
| 1.2.3 国内基于Marr理论的双目立体视觉方法 |
| 1.3 本课题研究的选题依据 |
| 1.4 论文的主要工作 |
| 第二章 摄像机标定及立体成像模型的建立 |
| 2.1 引言 |
| 2.2 透视变换和摄像机模型 |
| 2.2.1 世界坐标与摄像机坐标重合时的摄像机模型 |
| 2.2.2 世界坐标与摄像机坐标分开时的摄像机模型 |
| 2.2.3 小孔成像摄像机模型 |
| 2.2.4 摄像机镜头畸变 |
| 2.3 传统摄像机标定技术 |
| 2.3.1 利用透视变换矩阵的摄像机定标技术 |
| 2.3.2 运用非线性优化技术进行摄像机定标 |
| 2.3.3 两步法 |
| 2.4 摄像机自定标技术 |
| 2.4.1 基于主动视觉的摄像机自定标技术 |
| 2.5 基于弱透视投影模型的摄像机标定 |
| 2.6 本章小结 |
| 第三章 机器人双目立体匹配 |
| 3.1 引言 |
| 3.2 立体匹配 |
| 3.3 立体匹配的内容 |
| 3.3.1 选择匹配基元 |
| 3.3.2 匹配准则 |
| 3.3 算法结构 |
| 3.4 立体匹配方法 |
| 3.4.1 稀疏视差匹配 |
| 3.5 密集视差换算 |
| 3.5.1 区域相关匹配算法 |
| 3.6 基于边缘检测的分阶段立体匹配方法 |
| 3.7 本章小结 |
| 第四章物体三维坐标的获取 |
| 4.1 引言 |
| 4.2 双像解析摄影测量的方法 |
| 4.3 误差条件下的线性三角测量方法 |
| 4.3.1 算法的基本原理 |
| 4.3.2 误差条件下的线性迭代算法 |
| 4.5 本章小结 |
| 第五章 深度图生成和三维表面重建 |
| 5.1 深度图生成 |
| 5.1.1 引言 |
| 5.1.2 深度图的表示方法 |
| 5.2 三维表面重建 |
| 5.2.1 三维重建方法概述 |
| 5.2.2 直接体绘法 |
| 5.2.3 表面重建法 |
| 5.3 本章小结 |
| 第六章 视觉系统的软件实现 |
| 6.1 编程语言介绍(matlab) |
| 6.2 程序设计实现 |
| 6.2.1 摄像机标定过程软件设计 |
| 6.2.2 标定后的三维重建(深度图的生成) |
| 6.3 工作展望 |
| 基本结论 |
| 致谢 |
| 参考文献 |
| 附录:攻读硕士学位期间发表的论文和取得的科研成果 |
（7）计算机视觉技术在工业机器人上的应用（论文提纲范文）
| 第一章 绪论 |
| 1.1 引言 |
| 1.2 计算机视觉 |
| 1.2.1 计算机视觉的发展 |
| 1.2.2 Marr的计算机视觉理论 |
| 1.2.3 计算机视觉的应用 |
| 1.3 计算机视觉的关键技术 |
| 1.4 本课题的研究意义 |
| 1.5 主要研究内容 |
| 1.6 论文的主要内容 |
| 第二章 Motoman UP6工业机器人系统简介及其运动学分析 |
| 2.1 Motoman UP6工业机器人系统简介 |
| 2.1.1 机器人控制系统 |
| 2.1.2 机器人通讯功能以及Motocom32软件简介 |
| 2.2 机器人位子的描述及空间坐标变换 |
| 2.2.1 位置描述 |
| 2.2.2 方位描述 |
| 2.2.3 位姿描述 |
| 2.2.4 空间齐次坐标变化 |
| 2.3 工业机器人运动学问题分析 |
| 2.3.1 工业机器人运动学正问题 |
| 2.3.2 工业机器人运动学逆问题 |
| 2.3.2.1 工业机器人运动学方程反解得理论基础 |
| 2.3.2.2 运动学方程的反解 |
| 2.4 机器人运动学分析的实际应用——运动机器人轨迹的实时规划 |
| 2.4.1 运动机器人轨迹规划的必要性 |
| 2.4.2 运动机器人轨迹规划实现原理及其流程图 |
| 2.4.3 实验结果分析 |
| 第三章 计算机视觉实验系统 |
| 3.1 机器人实验系统的构成及其原理 |
| 3.2 计算机视觉系统的软硬件简介 |
| 3.3 计算机视觉系统的软件实现及流程图 |
| 3.4 摄像机定标 |
| 3.4.1 摄像机线性模型 |
| 3.4.2 摄像机非线性模型 |
| 3.4.3 传统线性模型的直接线性变换定标法 |
| 3.4.4 结合本系统实际应用提出的“快速增广型摄像机定标方法” |
| 3.4.5 摄像机定标实验结果及分析 |
| 第四章 图像处理及特征计算 |
| 4.1 图像的描述 |
| 4.2 图像的预处理 |
| 4.2.1 图像的灰度化处理 |
| 4.2.2 图像的平滑处理 |
| 4.3 图像分割及边缘检测 |
| 4.3.1 图像的二值化及阀值的选取 |
| 4.3.2 图像的边缘检测及轮廓提取 |
| 4.3.3 图像的特征提取 |
| 4.3.4 图像的特征量的计算 |
| 第五章 视觉系统的立体成像和三维定位 |
| 5.1 立体成像方式 |
| 5.2 立体视觉和三维重建 |
| 5.3 平行双目成像模型 |
| 5.4 优化模型 |
| 5.5 图像匹配 |
| 5.5.1 极线约束 |
| 5.5.2 匹配 |
| 5.6 实验结果及分析 |
| 第六章 结论与展望 |
| 参考文献 |
| 致谢 |
| 附录 作者在攻读硕士研究生期间发表的论文 |
（8）视觉导航关键技术研究：立体视觉和路径规划（论文提纲范文）
| 第一章 绪论 |
| 1.1 ALV概况及其关键技术 |
| 1.1.1 ALV概况 |
| 1.1.2 ALV研究的国际背景与现状 |
| 1.1.3 中国的ALV研究与发展现状 |
| 1.1.4 ALV研究中的关键技术 |
| 1.2 三维立体视觉综述 |
| 1.2.1 立体视觉原理 |
| 1.2.2 立体视觉研究现状 |
| 1.2.3 应用于移动机器人导航的立体视觉系统 |
| 1.3 路径规划综述 |
| 1.4 本文研究内容 |
| 第二章 立体视觉摄像机定标 |
| 2.1 概述 |
| 2.2 定标模板与控制点 |
| 2.3 摄像机模型 |
| 2.3.1 针孔模型 |
| 2.3.2 DLT(直接线性变换)模型 |
| 2.3.3 CDLT(共面直接线性变换)模型 |
| 2.3.4 扩展DLT模型 |
| 2.3.5 传统的摄影测量法模型 |
| 2.3.6 简化模型 |
| 2.3.7 双平面模型 |
| 2.3.8 摄像机模型的比较 |
| 2.4 摄像机定标 |
| 2.4.1 基本方程 |
| 2.4.2 摄像机参数定标 |
| 2.4.3 实验结果与分析 |
| 2.5 立体图像校正 |
| 2.5.1 极线几何 |
| 2.5.2 双目立体视觉的图像校正 |
| 2.5.3 双目立体视觉校正实验 |
| 2.5.4 平行三目立体视觉的图像校正 |
| 2.5.5 平行三目立体视觉校正实验 |
| 2.6 本章小结 |
| 第三章 ALV导航实时立体视觉算法研究 |
| 3.1 概述 |
| 3.2 立体匹配算法的评估方法 |
| 3.3 局部匹配算法 |
| 3.3.1 相关研究 |
| 3.3.2 相似性度量因子 |
| 3.3.3 匹配窗口的选择 |
| 3.3.4 预处理 |
| 3.3.5 视差图后处理 |
| 3.3.6 区域法立体匹配的加速方法 |
| 3.4 全局匹配方法 |
| 3.4.1 立体匹配全局优化问题的描述 |
| 3.4.2 动态规划 |
| 3.4.3 Graph Cuts |
| 3.4.4 全局匹配的加速方法 |
| 3.5 本章小结 |
| 第四章 三维地貌重建及路径规划 |
| 4.1 概述 |
| 4.2 三维场景重建 |
| 4.2.1 摄像机坐标系下三维坐标的求取 |
| 4.2.2 摄像机坐标系到车体坐标系的转换 |
| 4.2.3 三维地貌的表示 |
| 4.3 误差分析与修正 |
| 4.3.1 摄像机定标过程误差分析 |
| 4.3.2 三维重建中的误差分析 |
| 4.3.3 双目视觉系统的误差分析 |
| 4.3.4 误差修正实验 |
| 4.4 全局地图构建 |
| 4.4.1 车体姿态修正 |
| 4.4.2 全局地图构建 |
| 4.5 路径规划 |
| 4.5.1 传统的路径规划方法 |
| 4.5.2 路径规划的基本策略 |
| 4.5.3 基于改进型遗传算法的路径规划 |
| 4.5.4 算法实例 |
| 4.5.5 算法性能评估 |
| 4.6 本章小结 |
| 第五章 总结与展望 |
| 参考文献 |
| 作者攻读博士期间完成的论文 |
| 致谢 |
（9）立体视觉在非接触三维测量中的应用与研究（论文提纲范文）
| 中文摘要 |
| 英文摘要 |
| 第一章 引言 |
| 1.1 选题背景及意义 |
| 1.2 计算机视觉三维测量方法的发展与国内外研究现状 |
| 1.2.1 计算机视觉理论框架的形成 |
| 1.2.2 基于Marr理论的计算机视觉非接触三维测量研究 |
| 1.3 本文的主要研究工作 |
| 第二章 立体视觉三维测量理论基础 |
| 2.1 立体视觉基本原理 |
| 2.2 立体视觉三维测量的理论实现 |
| 2.2.1 立体图像获取 |
| 2.2.2 摄像机定标 |
| 2.2.3 特征提取 |
| 2.2.4 立体匹配 |
| 2.2.5 三维信息恢复 |
| 2.2.6 后处理 |
| 2.3 立体视觉三维测量的关键技术 |
| 2.3.1 摄像机定标存在的主要问题 |
| 2.3.2 特征点提取与匹配存在的主要问题 |
| 2.4 本章小结 |
| 第三章 摄像机定标 |
| 3.1 引言 |
| 3.1.1 定义几个坐标系 |
| 3.1.2 线性摄像机模型(针孔模型) |
| 3.1.3 非线性摄像机模型 |
| 3.2 传统的摄像机定标方法 |
| 3.2.1 直接线性变换方法(DLT变换) |
| 3.2.2 两步法 |
| 3.3 摄像机自定标方法 |
| 3.3.1 利用本质矩阵和基本矩阵的摄像机定标方法 |
| 3.3.2 利用主动系统控制摄像机做特定运动的自定标方法 |
| 3.4 本课题使用的双目立体系统定标模型 |
| 3.4.1 立体视觉摄像机定标 |
| 3.4.2 本课题采用的摄像机定标方法 |
| 3.5 本章小结 |
| 第四章 立体视觉中特征点的提取与匹配 |
| 4.1 引言 |
| 4.2 特征点提取方法 |
| 4.2.1 基于轮廓线的方法 |
| 4.2.2 基于图像灰度值本身的方法 |
| 4.3 特征点匹配算法 |
| 4.3.1 匹配算法分类 |
| 4.3.2 几种基于特征的匹配方法的应用 |
| 4.4 本课题采用的特征点匹配算法 |
| 4.4.1 特征点提取和建立粗匹配 |
| 4.4.2 松弛法 |
| 4.4.3 鲁棒估计基础矩阵F并恢复极线约束 |
| 4.4.4 利用极线约束和灰度相似寻找更多的匹配对 |
| 4.5 本文对Zhang匹配方法的改进 |
| 4.6 本章小结 |
| 第五章 图像获取、图像处理和三维计算 |
| 5.1 引言 |
| 5.2 图像获取系统 |
| 5.2.1 CCD摄像机图像采集原理 |
| 5.2.2 本文拟采用的图像获取系统 |
| 5.3 图像处理系统 |
| 5.3.1 图像滤波 |
| 5.3.2 二值化 |
| 5.3.3 细化 |
| 5.4 三维计算 |
| 5.5 本章小结 |
| 第六章 三维测量实验系统的实现与实验研究 |
| 6.1 三维测量实验系统的设计与实现 |
| 6.1.1 实验系统的硬件设计 |
| 6.1.2 实验系统的软件设计 |
| 6.1.3 试验系统的实现 |
| 6.2 摄像机定标实验 |
| 6.2.1 图像采集 |
| 6.2.2 摄像机定标 |
| 6.2.3 定标系统的误差调整 |
| 6.2.4 摄像机定标系统性能分析 |
| 6.3 三维立体测量实验 |
| 6.3.1 算例1:茶叶桶的三维测量 |
| 6.3.2 算例2:小沙堆的三维测量 |
| 6.4 本章小结 |
| 第七章 全文总结与展望 |
| 7.1 总结 |
| 7.2 展望 |
| 参考文献 |
| 致谢 |
| 在学期间发表的学术论文和参加科研情况 |
（10）计算机视觉中摄像机定标及位姿和运动估计方法的研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 计算机视觉研究的内容 |
| 1.2 计算机视觉的发展现状 |
| 1.3 本文研究问题的提出 |
| 1.3.1 摄像机定标 |
| 1.3.2 基于场景几何知识的三维度量重建 |
| 1.3.3 非线性状态估计滤波器 |
| 1.3.4 位姿和运动估计 |
| 1.4 主要研究成果和结构安排 |
| 第2章 几何学基础 |
| 2.1 变换 |
| 2.1.1 欧氏平面的变换 |
| 2.1.2 欧氏空间的变换 |
| 2.2 射影几何 |
| 2.2.1 射影直线 |
| 2.2.2 射影平面 |
| 2.2.3 射影空间 |
| 2.3 仿射几何 |
| 2.3.1 仿射平面 |
| 2.3.2 仿射空间 |
| 2.4 度量几何 |
| 2.4.1 度量平面 |
| 2.4.2 度量空间 |
| 2.5 欧氏几何 |
| 2.6 本章小结 |
| 第3章 摄像机定标 |
| 3.1 图像坐标系、摄像机坐标系与世界坐标系 |
| 3.2 摄像机模型 |
| 3.2.1 针孔摄像机模型 |
| 3.2.2 非线性摄像机模型 |
| 3.3 绝对二次曲线Ω和绝对二次曲面Ω~* |
| 3.4 传统的摄像机定标方法 |
| 3.4.1 三维定标物 |
| 3.4.2 平面型定标物 |
| 3.4.3 两步定标法 |
| 3.4.4 双平面定标 |
| 3.5 自定标 |
| 3.5.1 运动已知的主动摄像机自定标 |
| 3.5.2 正交性约束 |
| 3.5.3 平面型场景 |
| 3.5.4 Kruppa方程自定标 |
| 3.5.5 层次化自定标 |
| 3.5.6 立体摄像机自定标 |
| 3.5.7 纯平移 |
| 3.5.8 纯旋转 |
| 3.5.9 奇异(critical)运动 |
| 3.5.10 变内部参数自定标 |
| 3.6 本章小结 |
| 第4章 基于射影重建的摄像机变内部参数线性自定标 |
| 4.1 双摄像机几何约束原理 |
| 4.2 射影几何意义下的三维重建 |
| 4.3 基于射影重建的摄像机自定标 |
| 4.3.1 计算基本矩阵F |
| 4.3.2 计算同形矩阵H |
| 4.4 实验仿真 |
| 4.5 本章小结 |
| 第5章 基于场景几何知识的三维度量重建 |
| 5.1 三维度量重建基本原理 |
| 5.2 平面型场景图像的三维度量重建 |
| 5.3 三维场景图像的度量重建 |
| 5.4 单幅三维物体图像的度量重建 |
| 5.5 实验仿真 |
| 5.6 本章小结 |
| 第6章 基于Taylor近似的非线性系统状态估计 |
| 6.1 非线性函数的Taylor近似 |
| 6.2 非线性函数均值和方差的Taylor近似 |
| 6.2.1 一阶Taylor近似 |
| 6.2.2 二阶Taylor近似 |
| 6.3 基于Taylor近似的非线性系统状态估计 |
| 6.3.1 非线性系统状态估计的回顾 |
| 6.3.2 EKF1滤波器 |
| 6.3.3 EKF2滤波器 |
| 6.4 迭代滤波 |
| 6.5 本章小结 |
| 第7章 基于Stirling插值近似的非线性系统状态估计 |
| 7.1 非线性函数的Stirling插值近似 |
| 7.2 均值和方差的Stiring插值近似 |
| 7.2.1 一阶Stirling插值近似 |
| 7.2.2 二阶Stirling插值近似 |
| 7.3 基于Stirling插值近似的非线性系统状态估计 |
| 7.3.1 DD1滤波器 |
| 7.3.2 DD2滤波器 |
| 7.4 本章小结 |
| 第8章 IEKF1，IEKF2，DD1和DD2滤波器在基于单目视觉的位姿和运动估计中的应用 |
| 8.1 相关研究工作 |
| 8.1.1 基于点特征的位姿估计方法 |
| 8.1.2 实时位姿估计方法 |
| 8.1.3 用高阶几何元素的基于模型的位姿估计方法 |
| 8.1.4 包含噪声不确定性估计的位姿估计方法 |
| 8.1.5 基于卡尔曼滤波(KF)的直接位姿和运动估计方法 |
| 8.2 八元数 |
| 8.2.1 二元数 |
| 8.2.2 四元数 |
| 8.2.3 八元数 |
| 8.3 空间点三维旋转的单位四元数表示 |
| 8.4 三维旋转和平移的单位八元数表示 |
| 8.5 位姿和运动估计系统的状态方程 |
| 8.6 位姿和运动估计系统的动态方程 |
| 8.7 位姿和运动估计系统的测量方程 |
| 8.8 实验仿真 |
| 8.9 本章小结 |
| 结论 |
| 1 本论题已完成的研究工作 |
| 2 后续工作及展望 |
| 参考文献 |
| 致谢 |
| 附录A(攻读博士学位期间发表的论文目录) |
四、工业视觉系统中摄像机定标策略问题（论文参考文献）
- [1]基于扩展Kalman滤波的轨道线形检测研究[D]. 陈丽君. 上海工程技术大学, 2017(03)
- [2]基于机器视觉的工业零件测量技术[D]. 胡辉. 西安工业大学, 2013(07)
- [3]基于虚拟高度线投影的三维重建技术研究[D]. 蒋毅飞. 杭州电子科技大学, 2011(09)
- [4]基于双目视觉的三维信息获取及重构方法研究[D]. 江明. 昆明理工大学, 2010(03)
- [5]水下干式高压焊接焊缝跟踪实验系统研究[D]. 杨永勇. 北京化工大学, 2008(11)
- [6]双目立体视觉在机器人三维重建定位中的方法研究[D]. 邱光帅. 昆明理工大学, 2005(08)
- [7]计算机视觉技术在工业机器人上的应用[D]. 夏朝猛. 武汉科技大学, 2005(08)
- [8]视觉导航关键技术研究：立体视觉和路径规划[D]. 陈华华. 浙江大学, 2005(02)
- [9]立体视觉在非接触三维测量中的应用与研究[D]. 王宁玲. 华北电力大学（河北）, 2005(03)
- [10]计算机视觉中摄像机定标及位姿和运动估计方法的研究[D]. 伍雪冬. 湖南大学, 2005(02)