基于图像处理的125MN挤压机对中检测系统设计与研究

基于图像处理的125MN挤压机对中检测系统设计与研究

论文摘要

基于数字图像处理技术的工业测量在国外已经得到了深入研究和广泛的应用,在国内也受到了越来越多的重视。随着计算机硬件性价比的不断提高,相关技术的不断发展,此项技术克服了传统测量技术精度差、效率低的不足,以其快速、非接触、精确等特点,成为工业现场检测的一种重要检测手段。本文以125MN挤压机改造项目作为研究背景,突破传统的微位移检测手段,采用数字图像处理技术作为检测方法,并研究挤压机对中检测系统中的图像的远程接入控制。特别针对USB接口摄像机在工业现场运用中存在的不足,设计摄像机控制系统以解决系统图像采集中的传输距离、摄像机选择和稳定性三大问题的关键技术。以Visual C++为开发平台,以Opencv(Intel Open Source Computer Vision Library)作为辅助开发工具,利用图像处理技术,根据挤压中心检测算法模型,实现挤压机的对中检测。在课题涉及的数字图像处理技术中,图像分割和摄像机标定是测量系统的关键技术环节。论文通过算法模型分析处理两路激光光束在成像装置中的位置来获取挤压机挤压中心,首要任务就是实现激光光斑与背景图像的分割,论文中通过比较各种图像分割算法模型,在图像预处理的基础上,采用大津法实现图像分割,然后应用重心法获得激光光斑位置坐标。在上述图像处理的过程中,如何消除摄像机的镜头加工及安装误差带来的图像畸变的方法成为提高检测精度的重要途径。通过比较各种标定技术理论方法,本文运用传统摄像机标定技术中的基于平面模板的摄像机标定技术,重点研究了摄像机内参中的畸变系数的求解方法,利用获得的摄像机畸变系数对图像进行校正。并分析了检测系统中硬件设备的安装过程中所带来的倾斜对检测结果带来的影响。以上述理论方法作为研究基础,苯论文从实际应用出发,将数字图像处理技术和微处理器控制技术结合起来,开发了挤压机对中检测系统中的图像采集和处理部分。系统应用实践表明,采用论文所设计的摄像机控制传输和图像处理理论方法,达到了对中检测系统的图像处理技术要求。

论文目录

  • 摘要
  • ABSTRACT
  • 目录
  • 专用术语与缩略词说明
  • 符号索引
  • 第一章 文献综述
  • 1.1 课题研究来源背景与意义
  • 1.2 对中检测技术的实现途径
  • 1.3 数字图像处理技术研究进展
  • 1.3.1 数字图像处理技术研究的内容及应用领域
  • 1.3.2 基于图像处理技术的工业检测技术的国内外发展现状
  • 1.4 论文的主要研究内容
  • 第二章 图像的远距离接入与视频图像采集
  • 2.1 图像远距离接入控制系统方案设计
  • 2.1.1 功能技术指标
  • 2.1.2 摄像机采集信号的远距离传输系统设计
  • 2.1.3 摄像机微控制电路系统设计
  • 2.2 视频图像采集方法
  • 2.3 基于Opencv的视频图像采集
  • 2.3.1 Opencv概述
  • 2.3.2 Opencv的配置及视频采集的相关结构体参数
  • 2.4 摄像机控制系统硬件设计
  • 2.4.1 系统硬件结构
  • 2.4.2 功能模块的硬件实现
  • 2.5 系统的软件实现
  • 2.5.1 摄像机控制系统上位机软件实现
  • 2.5.2 下位机控制软件实现
  • 2.6 本章小结
  • 第三章 摄像机成像模型与标定
  • 3.1 成像数学模型及测量坐标系变换
  • 3.1.1 针孔成像与透镜成像
  • 3.1.2 摄像机畸变模型
  • 3.1.3 挤压机对中检测系统坐标系建立与变换
  • 3.2 摄像机标定技术
  • 3.2.1 标定理论与方法
  • 3.2.2 Weng标定法
  • 3.2.3 张正友标定法
  • 3.3 图像畸变校正与系统标定
  • 3.3.1 基于平面模板的张正友摄像机标定法
  • 3.3.2 图像畸变矫正
  • 3.3.3 图像倾斜来源及矫正
  • 3.3.4 系统标定
  • 3.3.5 系统标定试验研究与结论
  • 3.4 本章小结
  • 第四章 数字视频图像处理
  • 4.1 数字图像处理的方法
  • 4.2 数字视频图像的预处理
  • 4.2.1 引言
  • 4.2.2 图像平滑滤波方法
  • 4.2.3 图像滤波方法选择
  • 4.2.4 图像灰化
  • 4.3 数字视频图像分割技术
  • 4.3.1 图像分割技术概述
  • 4.3.2 大津法(Otus法)
  • 4.3.3 双峰法
  • 4.3.4 迭代法
  • 4.4 图像分割技术方法选取
  • 4.5 本章小结
  • 第五章 光斑中心提取与对中检测数学模型建立
  • 5.1 激光光斑中心检测方法
  • 5.1.1 重心法
  • 5.1.2 Hough变换法
  • 5.1.3 基于圆拟合法
  • 5.2 针对重心法的光斑中心检测试验研究
  • 5.2.1 试验内容与目的
  • 5.2.2 试验结论
  • 5.3 对中检测中心算法数学模型建立
  • 5.4 针对对中检测数学模型的试验研究与分析
  • 5.4.1 试验设计与内容
  • 5.4.2 试验结果与结论
  • 5.5 本章小结
  • 第六章 全文总结与展望
  • 6.1 全文总结
  • 6.2 研究工作展望
  • 参考文献
  • 致谢
  • 读研成果
  • 相关论文文献

    • [1].2007图像处理国际研讨会[J]. 国际学术动态 2008(03)
    • [2].探讨图像处理软件在平面设计中的应用[J]. 科学技术创新 2019(34)
    • [3].图像处理技术的车牌识别系统研究[J]. 电子测试 2020(03)
    • [4].图像处理技术及其应用研究[J]. 无线互联科技 2020(01)
    • [5].基于图像处理技术的小麦识别技术研究[J]. 中外企业家 2020(04)
    • [6].图像处理技术及应用分析[J]. 造纸装备及材料 2020(01)
    • [7].图像处理技术在平面设计中的应用研究[J]. 计算机产品与流通 2020(03)
    • [8].图像处理与识别技术的发展及应用[J]. 无线互联科技 2020(10)
    • [9].应用型本科课程考核模式改革研究——以光电图像处理为例[J]. 科技风 2020(21)
    • [10].深度学习的图像处理在农业领域的应用实践[J]. 内江科技 2020(09)
    • [11].关于图像处理技术现状及发展的分析[J]. 科技资讯 2018(25)
    • [12].探究图像处理的关键技术[J]. 计算机产品与流通 2018(11)
    • [13].图像处理中颜色模式的探究[J]. 电脑编程技巧与维护 2019(01)
    • [14].计算机图像处理技术的特点与应用研究[J]. 信息记录材料 2019(03)
    • [15].基于云服务器图像处理的物体辨别系统[J]. 计算机产品与流通 2019(09)
    • [16].计算机图形图像处理技术在文物保护领域的应用分析[J]. 计算机产品与流通 2019(12)
    • [17].图像处理技术在信息农业中的应用现状及发展趋势[J]. 江苏农业科学 2017(22)
    • [18].基于形态学图像检测的机械手移栽穴苗识别技术[J]. 农机化研究 2018(05)
    • [19].计算机技术在图像处理中的应用分析[J]. 才智 2018(16)
    • [20].计算机图像处理技术的发展趋势[J]. 信息与电脑(理论版) 2016(18)
    • [21].以应用为引导的教学在光电图像处理中的应用[J]. 实验室科学 2016(06)
    • [22].微课在“图像处理基础”教学中的应用研究[J]. 计算机时代 2017(02)
    • [23].探究数字多媒体图像处理技术[J]. 信息与电脑(理论版) 2016(20)
    • [24].浅析图像处理软件入门案例[J]. 广东印刷 2017(01)
    • [25].图像处理智能化的发展方向[J]. 电子技术与软件工程 2017(09)
    • [26].智能交通中图像处理技术应用综述[J]. 科技风 2017(11)
    • [27].基于网络平台应用的图像处理技术探讨[J]. 农村经济与科技 2017(14)
    • [28].图像处理技术在网页制作中的应用分析[J]. 无线互联科技 2017(19)
    • [29].图像处理技术在纺织品测试中的应用[J]. 化纤与纺织技术 2015(04)
    • [30].深度学习在图像处理技术课程教学实践中的应用探讨[J]. 教育教学论坛 2016(09)

    标签:;  ;  ;  ;  ;  ;  ;  

    基于图像处理的125MN挤压机对中检测系统设计与研究
    下载Doc文档

    猜你喜欢