在機(jī)械自動(dòng)化裝配、對(duì)接領(lǐng)域,存在很多軸孔裝配的場(chǎng)景,通過(guò)檢測(cè)零件上的圓孔可以獲得圓心坐標(biāo)、圓孔法向量等一些參數(shù)信息,即得到圓孔的空間位姿,為軸孔的自動(dòng)化裝配過(guò)程提供準(zhǔn)確的導(dǎo)航。近年來(lái),視覺(jué)檢測(cè)技術(shù)發(fā)展迅速,由于其具有效率高、非接觸、精度高等特點(diǎn),因此已經(jīng)被廣泛地應(yīng)用于軸孔裝配過(guò)程中圓孔位姿的檢測(cè)。而在零件圓孔位姿的視覺(jué)檢測(cè)過(guò)程中,由于存在一些光照不穩(wěn)定、待檢測(cè)圓孔在相機(jī)視野中占比較小等非理想檢測(cè)場(chǎng)景,導(dǎo)致無(wú)法檢測(cè)出有效的圓孔信息,因此需要提高圓孔檢測(cè)過(guò)程的圖像質(zhì)量。傳統(tǒng)的方法是通過(guò)提升硬件性能提高圖像的分辨率,而考慮到一些機(jī)械自動(dòng)化裝配場(chǎng)景下視覺(jué)檢測(cè)設(shè)備需要大規(guī)模部署,提升硬件所花費(fèi)的經(jīng)濟(jì)成本很高,并且對(duì)于圖像質(zhì)量的提高有限,本文提出將圖像超分辨率重建技術(shù)應(yīng)用于工業(yè)軸孔裝配過(guò)程中圓孔位姿視覺(jué)檢測(cè)任務(wù),解決檢測(cè)圖像分辨率不足的問(wèn)題,提高圓孔位姿檢測(cè)的準(zhǔn)確性。本文的主要研究?jī)?nèi)容如下:（1）構(gòu)建面向工業(yè)零件邊緣增強(qiáng)的圖像超分辨率重建模型。首先建立工業(yè)零件樣本庫(kù)并進(jìn)行預(yù)處理,再采用面向邊緣增強(qiáng)的特征分布損失函數(shù)以及殘差塊簡(jiǎn)化方法改進(jìn)深度遞歸殘差超分辨率重建模型,使模型訓(xùn)練結(jié)果更加適用于工業(yè)圓孔... 

【文章來(lái)源】：浙江大學(xué)浙江省 211工程院校 985工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：91 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖２－１高分辨率圖像樣本??．．

?ｏｔｈｅｒｗｉｓｅ．??對(duì)本文所使用的原始樣本庫(kù)進(jìn)行基于三次卷積插值的圖像退化操作，生成??相應(yīng)的寬和高各縮小兩倍的低分辨率圖像，部分結(jié)果如圖２－３所示。??１８??

驗(yàn)證集和測(cè)試集。??本文模型使用的輸入圖像大小為９６?ｘ?９６，需要對(duì)擴(kuò)展的訓(xùn)練集進(jìn)行圖像切??割。為了使訓(xùn)練集得到進(jìn)一步增強(qiáng)，采用如圖２－４的方法進(jìn)行切割。??ｋ＝７８??「丨——??５－７７?｜ｐ?；??－ｎ?Ｖｉ??高分辨率圖像塊??＾??Ｗ＝２５９２??圖２－４高分辨率圖像切割??在圖２－４中，使用９６?Ｘ?９６的窗口進(jìn)行滑動(dòng)切割，根據(jù)原始圖像的大小設(shè)置向??右滑動(dòng)的步長(zhǎng)Ａ＝７８，向下滑動(dòng)的步長(zhǎng)ｓ＝７７，使得每張?jiān)紙D像可以被切割成７６８??個(gè)大小為９６?Ｘ?９６的圖像塊，滿足模型輸入條件的同時(shí)實(shí)現(xiàn)了訓(xùn)練數(shù)據(jù)的增強(qiáng)。??２．３面向邊緣增強(qiáng)的圖像特征分布度量??基于本論文的研究任務(wù)，本節(jié)旨在尋找一種能夠提升超分辨率重建模型對(duì)??２０??

【參考文獻(xiàn)】：
期刊論文
[1]基于雙目視覺(jué)的數(shù)控機(jī)床動(dòng)態(tài)輪廓誤差三維測(cè)量方法[J]. 劉巍,李肖,李輝,潘翼,賈振元.  機(jī)械工程學(xué)報(bào). 2019(10)
[2]基于雙目視覺(jué)的障礙物檢測(cè)方法研究[J]. 劉銳,陳鳳翔,陳科羽,劉勝南.  計(jì)算機(jī)測(cè)量與控制. 2018(12)
[3]具有同心圓特征的非合作目標(biāo)超近距離姿態(tài)測(cè)量[J]. 王珂,陳小梅,韓旭.  光電工程. 2018(08)
[4]邊緣增強(qiáng)深層網(wǎng)絡(luò)的圖像超分辨率重建[J]. 謝珍珠,吳從中,詹曙.  中國(guó)圖象圖形學(xué)報(bào). 2018 (01)
[5]改進(jìn)的基于卷積神經(jīng)網(wǎng)絡(luò)的圖像超分辨率算法[J]. 肖進(jìn)勝,劉恩雨,朱力,雷俊鋒.  光學(xué)學(xué)報(bào). 2017(03)
[6]基于邊緣增強(qiáng)的正則化超分辨率圖像重建[J]. 劉穎,權(quán)婉,伍世虔.  西安郵電大學(xué)學(xué)報(bào). 2016(06)
[7]邊緣增強(qiáng)的多字典學(xué)習(xí)圖像超分辨率重建算法[J]. 詹曙,方琪.  光電工程. 2016(04)
[8]基于深度學(xué)習(xí)的圖像超分辨率算法研究[J]. 胡傳平,鐘雪霞,梅林,邵杰,王建,何瑩.  鐵道警察學(xué)院學(xué)報(bào). 2016(01)
[9]基于極線校正的亞像素相位立體匹配方法[J]. 肖志濤,盧曉方,耿磊,張芳,吳駿,李月龍,郎建業(yè),甘鵬,劉洋.  紅外與激光工程. 2014(S1)
[10]新的基于稀疏表示單張彩色超分辨率算法[J]. 楊玲,劉怡光,黃蓉剛,黃增喜.  計(jì)算機(jī)應(yīng)用. 2013(02)

博士論文
[1]高溫單晶硅液位和直徑視覺(jué)檢測(cè)關(guān)鍵技術(shù)及應(yīng)用研究[D]. 項(xiàng)森偉.浙江大學(xué) 2018

碩士論文
[1]基于相位信息的圖像邊緣檢測(cè)算法研究[D]. 羅進(jìn).湖南大學(xué) 2017
[2]基于雙目立體視覺(jué)的相位匹配算法研究[D]. 胡海.中南大學(xué) 2013



本文編號(hào)：3239691