隨著物流行業(yè)在國內(nèi)快速發(fā)展，貨物分揀效率的要求愈來愈高。國內(nèi)大多數(shù)物流分揀中心采用的仍然是人工進行貨物分揀，基于圖像配準的物流分揀檢測系統(tǒng)可以對分揀流水線上的物體進行快速自動地識別，確保人工分揀的正確性，提高分揀效率，維護企業(yè)與客戶的利益。本文以圖像配準為研究對象，設計檢測系統(tǒng)，利用計算機視覺軟件和軟件開發(fā)平臺完成系統(tǒng)的界面設計與功能模塊的實現(xiàn)。首先闡述了系統(tǒng)的組成、工作原理以及詳細的設計方案。系統(tǒng)硬件主要包括光源、工業(yè)相機、光學鏡頭以及工控機等。再對軟件開發(fā)平臺和圖像處理軟件進行了介紹。接著利用基于混合高斯模型的前景提取算法解決了檢測區(qū)域內(nèi)貨物圖像的捕獲問題。實驗表明，根據(jù)檢測區(qū)域內(nèi)物體前景的輪廓特征能夠判斷出貨物是否完全進入檢測區(qū)域，從而捕獲圖像用于后續(xù)識別。然后研究系統(tǒng)涉及的核心匹配算法，包括基于形狀特征的模板匹配和SIFT特征匹配算法。為了同時滿足識別速度和精度的需求，利用這兩種算法設計系統(tǒng)的檢測流程實現(xiàn)對貨物圖像的識別。在模板匹配中，不僅介紹了算法的實現(xiàn)過程，還研究了利用仿射變換對圖像進行校準的方法，充分考慮分揀過程中物體出現(xiàn)旋轉(zhuǎn)、平移等情況。對SIFT算法進一步優(yōu)化，在保證... 

【文章來源】：南京郵電大學江蘇省

【文章頁數(shù)】：90 頁

【學位級別】：碩士

【文章目錄】：
摘要
Abstract
目錄
第一章 緒論
    1.1 課題的研究背景與意義
    1.2 機器視覺技術(shù)的概述
    1.3 課題的研究狀況
        1.3.1 配準技術(shù)的研究狀況
        1.3.2 機器視覺系統(tǒng)的研究狀況
    1.4 論文的主要內(nèi)容
第二章 系統(tǒng)總體方案設計
    2.1 系統(tǒng)工作原理
        2.1.1 系統(tǒng)組成
        2.1.2 檢測算法流程
        2.1.3 系統(tǒng)工作原理
    2.2 系統(tǒng)的硬件組成
        2.2.1 工業(yè)相機
        2.2.2 光學鏡頭
        2.2.3 光源設計
        2.2.4 工控機選擇
    2.3 系統(tǒng)軟件平臺介紹
        2.3.1 軟件開發(fā)平臺Visual studio 2005
        2.3.2 計算機視覺類庫OpenCV
    2.4 本章小結(jié)
第三章 圖像捕獲與模板匹配
    3.1 圖像預處理
        3.1.1 圖像濾波
        3.1.2 閾值分割
        3.1.3 邊緣檢測
    3.2 檢測區(qū)域內(nèi)圖像的捕獲
        3.2.1 主要思想
        3.2.2 高斯混合模型初始化
        3.2.3 高斯混合模型更新
        3.2.4 運動前景檢測
        3.2.5 實驗與結(jié)果分析
    3.3 基于形狀特征的模板匹配
        3.3.1 匹配流程
        3.3.2 形狀特征描述
        3.3.3 匹配策略
        3.3.4 相似性計算
        3.3.5 仿射變換
        3.3.6 實驗與結(jié)果分析
    3.4 本章小結(jié)
第四章 SIFT檢測算法的研究與優(yōu)化
    4.1 SIFT算法的原理和特點
    4.2 SIFT算法的實現(xiàn)過程
        4.2.1 DoG尺度空間的構(gòu)建
        4.2.2 特征點檢測
        4.2.3 特征描述子生成
        4.2.4 特征點匹配
    4.3 SIFT主要變形算法
        4.3.1 PCA-SIFT算法
        4.3.2 GLOH算法
    4.4 SIFT算法的優(yōu)化
        4.4.1 算法存在的問題
        4.4.2 算法的優(yōu)化
    4.5 實驗與結(jié)果分析
    4.6 本章小結(jié)
第五章 系統(tǒng)軟件模塊的設計與實現(xiàn)
    5.1 系統(tǒng)軟件總述
    5.2 功能模塊實現(xiàn)
        5.2.1 圖像采集模塊
        5.2.2 檢測算法模塊
        5.2.3 模板創(chuàng)建模塊
        5.2.4 數(shù)據(jù)庫模塊
    5.3 系統(tǒng)主界面的設計
    5.4 系統(tǒng)驗證與結(jié)果分析
    5.5 多線程技術(shù)在系統(tǒng)中的應用
        5.5.1 多線程技術(shù)的介紹
        5.5.2 實驗與結(jié)果分析
    5.6 本章小結(jié)
第六章 總結(jié)與展望
    一、 總結(jié)
    二、 展望
參考文獻
致謝


【參考文獻】：
期刊論文
[1]一種基于Canny算子改進的邊緣檢測算法[J]. 靳艷紅,蒙建軍.  重慶文理學院學報(自然科學版). 2011(02)
[2]對多線程技術(shù)的探究[J]. 楊榮剛.  科技傳播. 2010(20)
[3]一種自適應閾值的運動目標提取算法[J]. 孫明玉,丁瑩,李文輝,江琦,徐長青.  計算機應用研究. 2010(06)
[4]運動目標跟蹤系統(tǒng)的遮擋問題處理[J]. 鄭可飚,黃文清,張佐理,李艷芳.  計算機工程與設計. 2009(11)
[5]基于輪廓的形狀特征提取與識別方法[J]. 周正杰,王潤生.  計算機工程與應用. 2006(14)
[6]基于多尺度通用傅里葉描述子的灰度圖像檢索[J]. 章志勇,潘志庚,張明敏,吳海虹.  中國圖象圖形學報. 2005(05)
[7]我國自動分揀技術(shù)及其應用[J]. 宋召衛(wèi).  中國物流與采購. 2003(06)
[8]圖象灰度的處理方法及實現(xiàn)[J]. 孫勁光,張文斌,朱世安.  遼寧工程技術(shù)大學學報(自然科學版). 2002(03)
[9]視覺識別移動式分揀裝盤機器人的系統(tǒng)集成[J]. 王家鵬,金桂根.  煙草科技. 2001(05)
[10]基于點集不變性匹配的目標檢測與識別方法[J]. 田原,梁德群,吳更石.  計算機學報. 1999(02)

博士論文
[1]灌裝自動化生產(chǎn)線上視覺檢測機器人研究[D]. 劉煥軍.湖南大學 2008

碩士論文
[1]基于顏色和形狀特征的圖像檢索技術(shù)及其應用[D]. 馬凌蛟.吉林大學 2011
[2]基于SIFT算子的雙目視覺立體匹配算法研究[D]. 李巖琪.西安電子科技大學 2010
[3]基于SURF的圖像配準與拼接技術(shù)研究[D]. 卜珂.大連理工大學 2009
[4]圖像處理技術(shù)在啤酒瓶在線檢測系統(tǒng)中的應用[D]. 王玉林.南京理工大學 2004



本文編號：3221469