一、船体腐蚀图像匹配算法的研究(论文文献综述)
李坤[1](2019)在《基于机器视觉的船体缺陷检测技术研究》文中提出近年来,随着硬件水平的不断提高,机器视觉行业随之迅速发展。目前机器视觉的前沿技术已经成为科研、教育等很多领域不可缺失的一部分。其中作为该技术典型应用之一的缺陷检测也受到越来越多科研机构的关注。船舶作为传统行业的代表,它的建造水平在一定程度上也象征了国家的工业水平。在船舶建造过程中,涉及到船舶钢材处理、构架的加工、分段建造、船体焊接等过程。期间由于人工操作失误、机器故障、磨损、环境等原因,船体不可避免的出现裂纹、孔洞、蚀耗等缺陷,如果没有及时发现这些缺陷,将会给船舶带来极大的安全隐患。目前主要依靠人工配合仪器等进行缺陷检测,但是这种方法不仅会消耗大量的时间和精力,还会影响船舶建造效率和船舶经济效益。本文采用机器视觉技术检测船舶的常见缺陷。文章设计了基于点云匹配算法的缺陷检测方案和基于深度学习的缺陷检测方案。对基于点云匹配的缺陷检测方案,文章首先对相机模型以及坐标转换、相机畸变、立体匹配、相机标定等重要的基础知识进行了说明。接着文章以ZED双目相机和开源的ORB-SLAM项目为基础,实现了ZED相机的实时三维重建,同时用实验室船舶模型验证时发现虽然重建的点云精度稍微欠缺,但整体效果良好。为了将模型数据统一成PCL(PointCloud Library)的标准点云格式PCD以方便检测,文章以20cm x 20cm的正方形平面为例对常见3D模型格式STL,OBJ,PLY与PCD的储存方式进行了说明,同时利用三维视觉库VTK(visualization toolkit)编写了OBJ、STL、PLY格式与PCD格式之间的转换算法并进行了改进。为得到较好的点云匹配结果,文章将匹配分成两步,首先利用SAC-IA(Sample Consensus Initial Aligment)算法对点云进行粗匹配,粗匹配可以为下一步精细匹配提供较好的初始化结果,接着使用ICP(Iterative Cloest Point)算法实现点云的精细匹配。接着文章在精细匹配结果上使用基于Kdtree数据结构的快速近似近邻搜索算法找出缺陷位置。为验证算法的有效性,文章在实际船舶舱段的3D模型上制造了变形、孔洞、尺寸误差三种缺陷,实验结果表明算法能准确找出缺陷的位置。对基于深度学习的缺陷检测方案,文章采用了经典的Faster RCNN网络。由于实验室缺少必要的船舶模型,且无法去船厂实拍真实数据,因此文章在100块300mm x300mm厚度为1.5mm的船用钢板上制造了蚀耗、孔洞、划痕三种缺陷,其中每种缺陷各200个左右,并拍摄了500张图像数据。接着文章按照Pascal VOC格式制作了数据集。最后训练结果表明该模型能准确的识别出上述三种缺陷,具有一定的指导意义。
姚峰林[2](2005)在《机器视觉和CCD在铁轨对中性检测中的应用研究》文中认为机器视觉是近年发展起来的一个新兴学科,以它为基础的CCD应用技术近年来由于其广泛应用而受到学术界的青睐。基于CCD的机器视觉系统以组成简单和使用方便,近年来在非接触测量系统中应用更为广泛。作为机器人技术不可或缺的部分机器视觉和CCD也就成了我们研究的重点。 本文以铁轨对中性检测为目的,从介绍机器视觉相关的光学与镜头知识为课题的开端,着重介绍了机器视觉中的光源,照明以及镜头问题。作为近年来机器视觉中的成像的最主要的器件,CCD近年来也有了突飞猛进的发展,本课题的主要实验器件也是CCD,所以它的工作原理和器件特性也成为本课题研究的重点之一。基于我们实验室现有的设备,我们做了基于灰度的图像匹配,基于轮廓的图像匹配,以及基于聚类法的彩色图像分割法在铁轨对中性检测中的应用。并对它们在应用中的优劣进行了研究与分析,而且取得了一些具有一定意义的结论,为我们今后的工作指明了方向。 作为无接触测量的重要部分的标定技术以及测量,误差的探讨也成为本课题的重要研究问题。我们从理论出发结合实际应用,分析了测量系统中的误差来源和它们对测量的影响,并以齐次变换为基础,得到了图像空间与物空间的坐标变换方
陈启祥,周尚丽,柯敏毅[3](2001)在《船体腐蚀图像匹配算法的研究》文中提出研究了船体腐蚀中断层图像匹配算法的设计与实现.
董建梁,刘连河[4](1999)在《船体腐蚀图像匹配算法的研究》文中提出船体腐蚀图像分析是计算机图像处理在船体腐蚀领域的一个应用技术.该文主要研究了船体腐蚀中断层图像匹配算法的设计与实现.该算法对于研究船体腐蚀的形成和分析具有十分重要的意义.
二、船体腐蚀图像匹配算法的研究(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、船体腐蚀图像匹配算法的研究(论文提纲范文)
(1)基于机器视觉的船体缺陷检测技术研究(论文提纲范文)
摘要 |
Abstract |
1 绪论 |
1.1 选题背景和工程意义 |
1.1.1 选题背景 |
1.1.2 选题的工程意义 |
1.2 国内外发展现状和发展趋势 |
1.2.1 国外发展现状 |
1.2.2 国内发展现状 |
1.2.3 机器视觉缺陷检测技术的发展趋势 |
1.3 论文结构,研究内容与创新点 |
1.3.1 论文结构 |
1.3.2 论文主要研究内容 |
1.3.3 课题创新点 |
2 视觉理论基础 |
2.1 相机模型介绍 |
2.1.1 针孔相机模型 |
2.1.2 畸变模型 |
2.1.3 双目相机模型 |
2.2 双目相机重构理论基础 |
2.2.1 极线约束与极线校正 |
2.2.2 极线搜索与块匹配 |
2.2.3 立体匹配算法 |
2.3 相机的标定 |
2.3.1 相机标定方法简述 |
2.3.2 单目相机标定 |
2.3.3 双目相机标定 |
2.4 本章小结 |
3 基于ZED双目相机的SLAM三维重构 |
3.1 SLAM介绍 |
3.2 视觉SLAM三维重建原理分析 |
3.3 ZED相机SLAM三维重建的实现及效果展示 |
3.3.1 硬件与软件平台的搭建 |
3.3.2 ZED相机SLAM重建程序流程 |
3.4 本章小结 |
4 船体缺陷类型分析与检测方法研究 |
4.1 船体的缺陷类型与原因分析 |
4.2 PCL点云库介绍与3D模型的转换 |
4.2.1 PCL点云库介绍 |
4.2.2 常用的3D模型格式 |
4.2.3 3D模型的点云提取 |
4.2.4 基于均匀采样的点云提取算法 |
4.3 基于匹配算法的点云缺陷检测研究 |
4.3.1 点云匹配算法研究 |
4.3.2 点云缺陷检测与可视化 |
4.4 本章小结 |
5 基于深度学习的船舶缺陷检测方案 |
5.1 点云缺陷检测方案的不足 |
5.2 深度网络的选择和结构分析 |
5.3 Faster RCNN数据集制作与标注 |
5.3.1 船舶缺陷数据采集 |
5.3.2 PASCAL VOC数据集制作 |
5.4 深度网络训练于测试 |
5.5 本章总结 |
结论与展望 |
参考文献 |
攻读硕士学位期间发表学术论文情况 |
致谢 |
(2)机器视觉和CCD在铁轨对中性检测中的应用研究(论文提纲范文)
第一章 绪论 |
1.1 机器视觉的发展 |
1.2 机器视觉系统的介绍 |
1.3 CCD非接触测量的国内外现状 |
1.4 本课题的提出 |
1.5 本课题所做的工作 |
第二章 机器视觉中的光学与镜头 |
2.1 光源基本原理及概念 |
2.1.1 光源的选择 |
2.1.2 照明方式 |
2.1.3 照明对比 |
2.1.4 颜色视觉 |
2.1.5 光度学知识 |
2.2 视觉系统与镜头 |
2.2.1 镜头基本原理及概念 |
2.2.1.1 几何光学成像公式(Basic Formula) |
2.2.1.2 放大率(Magnification) |
2.2.1.3 视场(Field of View) |
2.2.1.4 分辨率(Resolution) |
2.2.1.5 景深(Depth of Field) |
2.2.1.6 光圈(Aperture) |
2.2.1.7 F数(F#) |
第三章 CCD与铁轨检测车 |
3.1 CCD的介绍 |
3.1.1 CCD的发展历史与现状 |
3.1.2 CCD的基本工作原理 |
3.1.3 面阵 CCD摄像器件的特性 |
3.1.4 面阵 CCD图像采集系统工作原理 |
3.1.5 CCD的分类 |
3.2 铁轨检测车介绍 |
3.3 测量方案的选定 |
3.3.1 图像的分割与识别 |
3.3.2 系统硬件组成 |
3.4 测量的软件系统 |
第四章 定位检测的原理和软件算法 |
4.1 图像的预处理 |
4.1.1 滤波 |
4.1.1.1 邻域平均 |
4.1.1.2 中值滤波 |
4.2 目前图像匹配算法 |
4.2.1 图像匹配算法的介绍 |
4.2.2 模板匹配算法 |
4.2.3 基本算法 |
4.2.4 实验结果 |
4.3 基于轮廓的匹配 |
4.3.1 边缘检测技术 |
4.3.2 边缘检测的算法 |
4.3.3 边缘检测算法的比较 |
4.3.4 边缘检测的实例 |
4.3.5 使用轮廓的图像匹配方法 |
4.3.6 实验的结果 |
4.4 基于色彩的图像定位 |
4.4.1 目前常用的分割方法 |
4.4.2 颜色的方法 |
4.5 多种定位方法检测的结论与展望 |
4.5.1 关于单幅图像与连续图像 |
4.5.2 关于模板匹配 |
4.5.3 关于色彩 |
第五章 机器视觉测量的误差与标定 |
5.1 CCD器件本身引入的误差 |
5.1.1 暗电流的影响 |
5.1.2 CCD像元响应的非均匀性 |
5.1.3 电荷转移损失的影响 |
5.1.4 热电子噪声 |
5.1.5 量化误差 |
5.1.6 行抖动引入的误差 |
5.1.7 温度的影响 |
5.2 其它因素 |
5.2.1 被测物品的反光性 |
5.2.2 背景色的影响 |
5.2.3 光源的影响 |
5.2.4 CCD阵列面与基桩距离改变引入的误差 |
5.2.5 透镜衍射造成的误差 |
5.3 镜头几何畸变引入的误差 |
5.3.1 径向畸变 |
5.3.2 偏心畸变 |
5.3.3 薄棱镜畸变 |
5.4 标定 |
5.4.1 标定的原因 |
5.4.2 标定的原理 |
5.4.3 标定的坐标系的建立与坐标变换关系 |
5.4.3.1 坐标系 OXYZ到坐标系0_0X_0Y_0Z_0的变换 |
5.4.3.2 从坐标系0_0X_0Y_0Z_0到 CCD平面坐标系 X_c0_cY_cZ_c |
5.4.3.3 坐标系 0XYZ到坐标系 X_c0_cY_c的变换 |
5.4.4 变换规律及误差 |
5.4.4.1 坐标原点及过圆心的直线的变换规律 |
5.4.4.2 极径的变换规律 |
5.4.4.3 误差计算与分析 |
5.4.4.4 坐标变换参数的确定 |
5.4.5 标定的数值 |
结束语 |
参考文献 |
致谢 |
攻读硕士学位期间发表论文目录 |
四、船体腐蚀图像匹配算法的研究(论文参考文献)
- [1]基于机器视觉的船体缺陷检测技术研究[D]. 李坤. 大连理工大学, 2019(02)
- [2]机器视觉和CCD在铁轨对中性检测中的应用研究[D]. 姚峰林. 太原理工大学, 2005(02)
- [3]船体腐蚀图像匹配算法的研究[J]. 陈启祥,周尚丽,柯敏毅. 湖北工学院学报, 2001(04)
- [4]船体腐蚀图像匹配算法的研究[J]. 董建梁,刘连河. 海军工程学院学报, 1999(04)