一、计算机视觉在原木材积检测中的应用(论文文献综述)
林耀海,赵洪璐,杨泽灿,林梦婷[1](2021)在《结合深度学习与Hough变换的等长原木材积检测系统》文中研究说明针对成捆堆放的原木端面图像,利用机器视觉方法开发一个材积检测系统,算法的鲁棒性和系统应用的方便性是两个关键难点。为了解决上述问题,实现原木材积自动化检测,设计并开发了结合深度学习与Hough变换的等长原木材积检测系统。首先,在对训练样本做了旋转、调整曝光度、加噪声等提高模型鲁棒性的预处理后,使用YOLOv3-tiny卷积神经网络对原木端面图像进行目标检测,计算得到每一个原木端面对应的目标区域;其次,在对目标区域计算边缘并去除目标区域中心噪声边缘后,利用Hough变换圆检测算法计算原木端面轮廓的准确直径;最后,开发了操作简捷方便的用户界面,根据用户输入的一个原木轮廓径级校准信息和长度,即可实现图中所有原木的材积检测。本系统在多种原木端面图像上,包括端面完好、端面伐痕、端面霉变、环境复杂等情景进行实验验证,系统真检率为98.79%,误检率为0.602%。结果显示本系统在各种复杂原木端面图像上具有很好的鲁棒性,同时为了兼容深度学习算法与用户界面设计,本系统在PyQt5核心库上实现了操作界面,其操作简洁、使用方便。
秦政辉[2](2020)在《基于线激光与图像的便携非接触式原木端面直径测量装置》文中进行了进一步梳理原木材积是衡量原木品质的一项重要指标,而端面直径测量是原木材积检测的重要环节。现阶段木材厂多数采用人工检尺法测量端面直径信息,存在测量效率低、误差大、耗时长、过程复杂的问题。机器视觉测量是一种非接触式测量方法,具有精度高、效率高、实时性高等优点,已被越来越多地应用在实际生产、生活中。本文针对原木端面直径测量目标,开发一套便携非接触式测量装置,在保证测量精度的前提下高效的完成测量工作。设备在检测距离5-30cm范围内,对目标尺寸10-60cm的被测物体检测误差低于10%。本文首先设计一套基于线激光特征的图像采集系统,系统的MCU采用STM32H7控制器,系统包含采集测量目标图像信息与距离信息的功能、图像处理以及数据保存与显示的功能。其次根据需求对系统中的相应传感器和摄像头进行标定,分析被测物体线激光图像中的感兴趣区域,设计尺寸计算方案。为了减少线激光周围噪声对目标特征的影响,提出对R、G、B通道灰度分量进行加权运算的方法,在此基础上对被测物体图像进行预处理并提取线激光特征。在特征尺寸计算方法方面对比及分析周长均值法、骨架长度法及横向像素点计算法三种计算方案的测量结果,运用四种数据拟合算法得到对应的效果最好的数学模型。最后,使用该装置实际测量不同种类目标物体,分析结果和与真实值产生误差的原因,证明该装置可以满足测量需求,在原木端面直径测量领域具有良好的应用前景。
霍东旭[3](2018)在《原木材积测量方法研究及安卓系统下的实现》文中进行了进一步梳理原木材积测量是木材生产和加工的关键环节,随着科技的发展,对原木材积测量的准确性要求也越来越高。长期以来,原木材积测量基本都是采用人工检尺的方法,这种方法很容易受检测工作人员的工作态度和经验影响,而且效率低、周期长、准确性差、成本高,结果不够精确。为此本文分析等长成堆原木的特点,提出了基于计算机视觉的一种原木材积检测方法,并制作成软件在Android手机上实现。在获取原木图像时,为了得到更清晰的原木边缘细节,需要近距离拍摄原木图像,但是近距离拍摄很难把成捆堆积的原木都摄入画面,所以本文采用近景拍摄多幅图片然后利用图像拼接技术得到全景的原木图像。本文提出一种改进的Harris算法进行角点检测,首先改变原来的梯度算子,从而提高算子的检测敏感度;采用一个新的角点响应函数,不需要人为设定参数;在图像拼接过程中通过归一化互相关匹配法对图像进行配准;利用随机抽样一致的方法剔除误匹配,实现图像无缝拼接。针对传统Canny算法对噪声比较敏感,易于检测到伪边缘和漏掉真实边缘等缺点。本文提出基于Canny的改进边缘检测方法处理原木图像,利用自适应中值滤波进行去噪,避免了传统Canny算法高斯滤波参数和高低阈值的选择困难,以及出现缓变边缘丢失现象;引入八方向的梯度模板求边缘的幅值,可以有效的检测到更多的边缘细节;通过Otsu法确定高低阈值,避免了人为设定高低阈值的问题,最后将得到的边缘图像用形态学方法进行细化。得到原木Canny边缘检测结果后,利用改进的随机Hough变换方法识别图像中的原木,将识别出的原木利用标尺求出实际的面积,从而计算出原木的根数、尺径长和原木材积。本文将提出的算法在Matlab平台测试,通过与传统的Canny边缘检测结果图像对比分析,证明本文提出的原木图像边缘检测处理算法可以有效的保留图像更多的边缘细节;并且抑制了假边缘或者与目标颜色特征相近区域的干扰,能够比较完整的提取出原木的边缘,为后面的随机Hough变换识别原木、计算原木参数打下了很好的基础,通过本文算法所得实验结果与实际原木材积结果的对比发现,本文算法测量所得的原木材积理论大小与实际检尺的结果相对误差在1.5%左右。基于本文提出的改进Canny边缘检测算法和随机Hough变换算法在Android手机平台上实现了一个原木材积测量软件。软件的主要功能为原木图像采集、原木图像拼接、原木图像边缘检测、原木识别及原木参数测量。实现本文提出的原木材积测量方法的软件在Android手机上安装方便,操作简单。
吕奇[4](2018)在《基于机器视觉和激光测量的立木测量方法研究》文中进行了进一步梳理本文以自主研发的手持式测树仪的算法需求为研究基础,对通过互补金属氧化物半导体(CMOS)获取的立木图像基于图像处理技术和机器视觉技术提出了图像中树干两侧边缘像素距离提取的算法路线,并利用仪器搭载的测距传感器、倾角传感器获取测量参数建立了立木的胸径解算、上部直径解算、直径测量处高度测定、树高测量、冠幅测量和材积测算的方法体系。具体如下:(1)实现了立木数字图像中树干两侧边缘距离的提取。通过边缘检测算子进行了立木树干图像边缘特征提取,将提取的边缘特征点通过Hough变换映射到参数空间并设置筛选条件实现了边缘特征中直线提取,利用直线参数获取两侧直线在中央像素行的像素距离,并提出了一种将原始图像二值化、反向后的最大连通区域与边缘特征图像进行卷积剔除背景边缘的方法;(2)针对立木树干边缘检测和直线提取的效果进行了不同边缘检测算子和高斯滤波标准差的比较试验。通过五种边缘检测算子对立木图像检测效果与目视判读比较证明了 Canny算子对于立木边缘检测有更好检出率和准确性;分别将Sigma=0.1、0.3、1.4和3的高斯滤波的立木图像进行边缘检测并将直径像素距离提取值与目视判读值进行比较,结果表明Sigma在0.3~1.4时的识别偏差较小;(3)通过传感器获取的参数实现了树高测量、冠幅测量,并结合获取的树干直径像素距离实现了胸径、上部直径测量及材积测算。通过对测量方法进行试验验证其精度,胸径、树高和冠幅的测量值与真值拟合程度均较高。在不同测量距离及测量倾角条件下,胸径测量的绝对误差±4cm之间,相对误差分布于±6.00%之间;上部直径测量的绝对误差在-1.5~0.8cm之间,相对误差在-15.25%~16.95%之间;胸高测定中误差为0.005m,最大误差为-0.01m;树高测量在-1.510~3.386m之间,相对误差在-9.10%~27.09%之间;冠幅测量的绝对误差在-0.300~0.260m之间,相对误差分布于-6.75%~3.50%;材积解算的绝对误差在-0.000105m3~0.001598m3之间,相对误差在-0.44%~1.95%之间。
张强[5](2018)在《基于双目视觉的原木楞堆径级检测系统研究》文中进行了进一步梳理原木径级检测是木材运输行业的一个重要环节,长期以来使用人工检尺的方法,劳动强度大,效率较低。随着计算机视觉技术的发展,基于机器视觉的三维非接触测量技术极大的提高了检尺效率。但对于林场中存放的原木楞堆、整车原木的径级测量,受端面凹凸造成的阴影、原木边界粘连等因素,原木识别率、检测精度和效率较低。因此,本文围绕双目立体标定、图像分割、立体匹配、原木楞堆径级识别技术等重点与难点问题进行深入研究。论文的主要工作有以下几个方面:首先,建立基于双目相机的三维测量模型与镜头畸变模型,对双目标定和畸变校正影响后期原木楞堆径级测量精度进行了深入分析。提出了基于畸变模型改进的双目标定算法,该方法将三阶径向畸变系数引入畸变模型中,充分利用开源视觉函数库对标定模板的角点进行快速准确的检测,提高了双目视觉测量模型的精度。通过标定和校正后的双目相机,采集无畸变的原木楞堆图像。针对自然环境下的原木楞堆图像存在阴影、原木粘连的问题,提出了基于颜色空间转换和模糊理论的原木轮廓图像分割算法。该方法对分离出的色度空间图像进行模糊域转换,在模糊域内,通过改进模糊隶属度函数,进行多次迭代实现了图像模糊增强,确定最优模糊阈值带宽与模糊因子,然后利用模糊规则来判断原木轮廓边缘,通过反模糊化输出原木边缘图像。实验证明该方法比传统图像分割算法更有效。最后,建立原木楞堆轮廓的三维重构模型,采用基于特征点检测与极线约束的立体匹配优化算法,该方法提取原木轮廓特征点,结合极线约束、唯一性约束和顺序约束减少特征点匹配搜索空间,以匹配点像素值的绝对差值最小作为匹配策略完成快速立体匹配。利用立体匹配获得的视差计算原木轮廓三维坐标,对三维轮廓点进行最小二乘的椭圆拟合算法,完成了原木楞堆各原木的长短径及面积测量。实验结果表明基于双目视觉的原木楞堆径级测量结果符合国家标准和要求,与计量部门专业检尺员的标准测量结果相比,误差在5mm以内,且检测速度和效率得到极大提高,具有较高的实用价值。
闫飞凡,冯仲科,李涛,王明明[6](2016)在《手机组合测距仪进行原木检尺的方法研究》文中进行了进一步梳理阐述了手机组合测距仪代替传统木材检尺的理论和方法,在手机获取的影像和测距仪测量的距离数据基础上,应用计算机视觉技术分割出木材端面,并使用摄影测量技术计算端面面积,进而计算得到材积。实例分析表明,该方法测量精度与人工检尺相比误差稳定在3%以内,满足国家对于木材检尺误差的要求,但对于部分企业要求更高的小于1%的误差要求还未达标。该方法可替代传统的木材检尺进行工作,提高检尺工作者的工作效率,降低检尺工作的危险性。
方晴[7](2016)在《一种基于计算机视觉的原木统计方法》文中进行了进一步梳理文章基于计算机视觉技术,利用数字图像处理技术,在MATLAB实验平台中对原木材积的数量进行自动化统计,设计了在Lab空间内进行图像预处理去除背景干扰,再重构至RGB空间,得到去除了背景的原木区域二值图像,运用hough变换圆检测并设置合理的变化范围,得出图像中原木的近圆横截面。为保证结果的准确性,再利用先验知识删掉当背景去除不彻底时非正常区域圆形,提高了准确率,有良好的实用性。
赵亚凤[8](2016)在《基于双目视觉的原木材积检测方法研究》文中研究表明双目立体视觉是计算机视觉研究领域的重要分支之一,它通过直接模拟人类视觉系统的方式感知客观世界,广泛应用于三维非接触测量、机器人导航和虚拟现实等领域。原木材积检测,特别是整车、成捆、成堆原木的材积检测目前常用称重测量法、视觉平面测量法等,不能精确测量每根原木尺径。因此,利用双目立体视觉的技术研究成堆原木野外尺径测量具有一定的理论价值和十分重要的现实意义。论文围绕双目标定技术、匹配策略与匹配算法、阴影消除等重点与难点问题展开研究。论文的主要工作包括以下几个方面。(1)针对正交消隐点标定在实际应用中误差大、容易退化等问题,提出了最优正交消隐点标定方法。该方法最少只需两幅图像,根据提出的消隐点优化方法,每幅图像提取最优的两对正交消隐点实现内外参数标定。首先,对单个摄像机先进行线性求解求得主点和焦距初始值;考虑到镜头径向畸变,采用非量测方法,利用直线约束进行畸变校正;再提出优化的差分进化算法,以线形求解的内参数为初值,直线的共线特征为约束优化内参数;最后,根据转换后的4对消隐点坐标,利用无穷单应旋转矩阵的正交约束条件,得到旋转矩阵和平移矩阵。该标定方法只需要摄像机拍摄模板平面在不同方向的图像,模板可以自由的运动,无需其运动参数。双目标定的平均重构误差为0.598pixel,跟传统方法标定误差相当。该标定算法重构误差与传统算法在一个级别,能满足标定中稳定可靠、精度高、抗干扰能力强等要求。(2)为了解决Meanshift分割参数选择不合适引起的过分割和过合并问题,提出了自适应阈值的合并。为了保证不过合并,首先判断区域面积大小,区域面积大于某个阈值,可判断为单根原木端面,不做合并处理;由于每幅图像中区域之间的距离大小不同,根据合并前的预分割区域,计算相邻区域间的距离,再取整幅图中相邻区域距离平均值为阈值,实现自适应合并。实验结果表明,该方法对阴影、背景和端面三类不同区域分割较为准确,采用自适应阈值较好地改善了固定参数Meanshift分割在本类图像分割中存在的过分割和过合并缺点。(3)由于自然环境下,原木在堆放时其端面不在一个平面,凹进去的原木很容易陷入阴影中,阴影和原木间的空隙很难区分。为了能准确分割阳光下自然堆放的原木端面图像,解决阴影消除的问题,提出了模式识别的方法。对分割后的区域提取共30维的颜色直方图和LBP纹理直方图特征量用于分类器的训练和预测。本文通过对多根原木堆积的端面图像分割,证明了该算法的有效性,实验结果证明该方法特别适用于有阴影存在的图像分割问题。(4)针对立体匹配的速度与精度以及图像分割等问题,提出了FSAD和Meanshift图像分割相结合的立体匹配算法。该算法首先利用相机内外参数对左右图像做极线校正,并在左右图像中提取同名点作为约束完成校正,保证校正后的图像同名点有相同的纵坐标;再利用FSAD算法,计算原始视差图;为了更好的提取图像边缘,对原始图像进行Meanshift图像分割,优化原始视差图得到最终视差。实验结果表明,该匹配算法可得到致密的视差图,并在边缘等视差不连续区域可获得较好的匹配精度。利用最小外接矩阵计算端面的长径和短径,尺径测量精度验证了算法的有效性和可行性,并且能较好解决原木端面区域分割,提高了匹配精度。实验结果表明本文的方法符合原木检尺在速度和精度上的要求,处理一幅图片在15s以内,根数检出率平均为96.17%,径级测量结果跟人工检尺一致。结果符合原木材积检测要求,特别是在室外光线不稳定、枝丫遮挡、端面污染等也能有较高的测量精度,给原木检尺的视觉测量提供了有益的参考。
李博豪,殷晓平,赵新,牛竟飞,邰明,孙英[9](2015)在《一种基于计算机视觉的原木端面面积检测方法》文中研究指明端面面积是原木材积检测中必须检测的参数,直接关系到材积检测的精度和效率。现有的端面面积检测方法以圆形或者椭圆来替代不规则的原木端面,不能直接检测形状不规则原木端面的面积,造成了原木材积测量值与实际值的差异。本研究提出一种基于计算机视觉的原木端面面积检测方法,实现对不规则原木端面面积的直接测量。研究利用该方法对成堆原木的端面面积进行了检测,并与传统的人工检尺法进行了对比,结果表明本研究提出的原木端面检测新方法的检测精度提高了2.8倍、检测速度提高了1020倍。
王海丰[10](2015)在《基于机器视觉的剖竹机加工目标检测算法研究》文中研究指明随着我国对竹材需求的加大,竹工机械的自动化已经引起了人们的高度重视,但传统的竹工机械严重制约着竹工工业的发展,研制自动化程度高的竹工机械势在必行。视觉测量技术随着计算机和光电技术的发展,其应用的领域越来越广,备受人们的关注,基于机器视觉的剖竹机视觉检测系统克服了传统剖竹机的不足,对于竹工机械的发展具有重要的理论意义和应用价值。本文以数字图像处理和机器视觉技术为背景,在竹材数学模型理论基础上,分别对数控剖竹机加工目标图像分割、检测与跟踪以及单目视觉测量技术进行了深入研究。设计基于机器视觉的数控剖竹机视觉检测软件系统,利用数字图像处理技术研究竹材端面图像的预处理及分割算法,进行竹材端面图像的提取;利用机器视觉技术研究运动物体检测与跟踪算法,实现竹材加工目标的检测与跟踪;利用单目视觉技术,根据摄像机模型及标定技术,研究基于小孔成像理论的图像测距算法及竹材几何参数测量。最终实现自动检测与跟踪及视觉测量技术在数控剖竹机自动加工系统中的应用。本文主要的研究内容有:(1)基于机器视觉技术建立剖竹机视觉检测系统,完成了视觉检测系统的软硬件设计。软件系统采用Visual C++设计开发,结构优化、功能齐全、人机界面友好,可以实现剖分竹材的自动化测量,提高了加工效率。(2)系统地研究了竹材数学模型和竹材四面平整铣削、两面平整铣削两面弧形铣削和四面铣削三面剖分三种加工方式的特点及竹条体积和利用率的计算方法,对竹材体积及出材率从竹筒剖分份数、长度及小端内径等几个方面进行了分析和对比。(3)对视觉检测系统的图像处理算法进行了研究。提出基于小波变换和颜色空间的三种竹材端面图像分割算法。基于小波变换的图像分割算法,分别利用非下采样Contourlet变换和Gabor小波变换,提取图像的纹理特征,实现实验图像的分割;基于颜色空间的图像分割算法,利用Lab颜色空间与竹材颜色的重合性,设计特征实现竹材图像的分割,并利用圆拟合算法实现竹材端面的框定,提出的算法都取得了很好的分割效果。(4)对视觉检测系统的运动目标检测与跟踪算法进行了研究。提出基于改进帧差的高斯混合模型运动目标检测算法。研究帧差法和高斯混合模型运动目标检测算法的不足,对两者进行融合,利用帧间差分结果区分视频中的不同运动区域,并对不同区域赋予采取不同的更新策略,利用高斯混合模型得到前景图像,从而实现运动目标的检测。提出基于改进Camshift的运动目标跟踪算法,研究改进的Camshift运动目标跟踪算法,采用颜色、纹理、灰度梯度组成的多特征,构建联合概率分布图,实现对运动物体的准确跟踪;在竹材运动目标检测与跟踪中,利用背景差分和帧间差分实现运动竹材目标的检测,Camshift进行竹材运动目标的跟踪,Kalman滤波实现运动目标的预测及目标位置修正,算法提高了竹材目标跟踪的准确性,对阴影、目标与背景相似等问题的处理,提高了跟踪的稳定性,算法具有良好的适应性。(5)对视觉检测系统的测量技术进行了研究。提出基于单目视觉的图像测距算法,根据摄像机模型及摄像机标定技术,利用摄像机模型的几何关系,根据成像理论测量图像中两个特征点及其中点到摄像机的距离,然后根据几何关系推导得到物体的尺寸信息。算法设计思想简单、计算速度快和易于实现,是对测量技术的创新。基于机器视觉的数控剖竹机视觉检测系统及相关理论研究,突破了传统竹材加工的思路,取得了创新性成果,为竹材竹加工机械的自动化操作提供了一种新的技术手段和相应的科学理论依据。
二、计算机视觉在原木材积检测中的应用(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、计算机视觉在原木材积检测中的应用(论文提纲范文)
(1)结合深度学习与Hough变换的等长原木材积检测系统(论文提纲范文)
1 等长原木材积检测系统总体设计 |
2 等长原木材积检测系统核心算法设计 |
2.1 YOLOv3-tiny目标检测算法 |
2.2 基于Hough变换的目标中心精确检测算法设计 |
3 系统核心算法实验与分析 |
3.1 实验数据集制作 |
3.2 YOLOv3-tiny卷积神经网络实验分析 |
3.3 原木端面径级检测算法实验分析 |
4 系统软件设计与实现 |
5 结论 |
(2)基于线激光与图像的便携非接触式原木端面直径测量装置(论文提纲范文)
摘要 |
abstract |
1 绪论 |
1.1 研究背景及意义 |
1.2 国内外研究现状 |
1.2.1 视觉测量技术研究现状 |
1.2.2 原木端面尺寸测量技术研究现状 |
1.3 研究内容及论文结构安排 |
1.3.1 本文研究内容 |
1.3.2 论文结构安排 |
2 系统总体方案设计 |
2.1 系统需求分析 |
2.2 总体方案 |
2.2.1 测量方案选择 |
2.2.2 系统架构 |
2.2.3 技术路线 |
2.3 本章小结 |
3 测量系统设计 |
3.1 测量系统硬件设计 |
3.1.1 图像采集系统硬件选型 |
3.1.2 硬件电路设计 |
3.1.3 硬件系统PCB电路板设计 |
3.2 外壳设计 |
3.3 测量系统固件程序设计 |
3.3.1 测量系统程序总体设计 |
3.3.2 线激光特征图像采集程序 |
3.3.3 外设传感器控制程序 |
3.3.4 图像处理程序 |
3.3.5 系统输出程序设计 |
3.4 本章小结 |
4 图像处理算法研究 |
4.1 标定图像采集 |
4.2 OV5640摄像头标定及畸变矫正 |
4.2.1 摄像头原理 |
4.2.2 镜头畸变模型 |
4.2.3 摄像头标定 |
4.2.4 像素点尺寸标定 |
4.2.5 空间距离与像素点的变换 |
4.3 线激光特征尺寸研究 |
4.3.1 标准块图像采集 |
4.3.2 目标有效区域 |
4.3.3 原始图像通道分离 |
4.3.4 线激光特征图像分割 |
4.3.5 特征图像连通域标记 |
4.4 线激光特征尺寸计算方案选择 |
4.4.1 周长均值法 |
4.4.2 骨架长度法 |
4.4.3 横向像素点长度计算法 |
4.4.4 计算结果 |
4.5 标准块实验图像数据拟合 |
4.5.1 数据拟合方法 |
4.5.2 拟合数学模型评价指标 |
4.5.3 最优数学模型选择 |
4.6 本章小结 |
5 测量实验 |
5.1 实验方案 |
5.2 测量结果及分析 |
5.2.1 不锈钢材质实验数据及分析 |
5.2.2 木制材料数据及分析 |
5.2.3 塑料材质数据及分析 |
5.3 对比分析 |
5.4 本章小结 |
6 总结与展望 |
6.1 总结 |
6.2 创新点 |
6.3 展望 |
参考文献 |
个人简介 |
导师简介 |
获得成果目录 |
致谢 |
(3)原木材积测量方法研究及安卓系统下的实现(论文提纲范文)
摘要 |
Abstract |
1 绪论 |
1.1 研究背景和意义 |
1.2 国内外研究现状及分析 |
1.3 课题研究内容 |
1.4 论文组织结构 |
2 原木图像预处理 |
2.1 原木图像分析及图像拼接 |
2.1.1 图像拼接算法流程 |
2.1.2 Harris角点检测 |
2.2 改进的Harris角点检测算法 |
2.2.1 采用NCC方法进行特征点匹配 |
2.2.2 RANSAC提纯及改进 |
2.2.3 图像的几何配准 |
2.2.4 图像融合 |
2.3 实验结果及分析 |
2.4 本章小结 |
3 基于改进Canny的原木图像边缘检测算法 |
3.1 原木图像分析 |
3.2 图像预处理 |
3.2.1 原木图像灰度化 |
3.2.2 常用分割算法 |
3.3 Canny边缘检测算法 |
3.4 改进Canny边缘检测算法 |
3.4.1 引入自适应中值滤波器去噪 |
3.4.2 梯度幅值计算的改进 |
3.4.3 Otsu方法计算阈值 |
3.4.4 数学形态学处理 |
3.5 实验结果及分析 |
3.6 本章小结 |
4 基于随机Hough变换的原木识别 |
4.1 类圆检测及应用 |
4.1.1 常用类圆识别方法 |
4.2 基于HOUGH变换的类圆识别 |
4.2.1 五点椭圆形检测方法及存在的问题 |
4.3 随机Hough变换的类圆识别 |
4.3.1 基于三点的Hough变换算法实现步骤 |
4.3.2 改进的随机三点Hough变换 |
4.4 原木材积测量 |
4.5 本章小结 |
5 Android平台原木参数测算系统软件的设计与实现 |
5.1 Android系统简介 |
5.1.1 软件的系统架构 |
5.1.2 程序的构成 |
5.2 图像采集的研究 |
5.2.1 系统相机功能 |
5.2.2 自定义相机的图像处理框架 |
5.3 原木材积测量软件难点分析 |
5.4 系统开发环境介绍 |
5.5 系统设计 |
5.5.1 设计需求 |
5.5.2 数据流程 |
5.5.3 系统结构 |
5.6 原木参数测算软件的实现及界面展示 |
5.7 本章小结 |
结论 |
参考文献 |
攻读学位期间发表的学术论文 |
致谢 |
(4)基于机器视觉和激光测量的立木测量方法研究(论文提纲范文)
摘要 |
ABSTRACT |
1. 引言 |
1.1. 研究背景 |
1.2. 立木测量工具及方法研究现状 |
1.3. 机器视觉技术与数字图像处理技术在林业中的应用 |
1.4. 研究内容 |
1.4.1. 研究目的与内容 |
1.4.2. 技术路线 |
1.5. 本章小结 |
2. 基于机器视觉的立木直径像素距离提取 |
2.1. 数字图像灰度化 |
2.2. 边缘检测理论概述 |
2.2.1. 边缘检测原理 |
2.2.2. 经典边缘检测算子 |
2.3. 基于最大连通区域的背景边缘剔除 |
2.3.1. 二值化 |
2.3.2. 最大连通区域标记 |
2.3.3. 掩膜处理 |
2.4. 树干两侧边缘直线特征提取 |
2.4.1. Hough变换 |
2.4.2. 直线特征提取 |
2.5. 树干两侧边缘直线像素距离的计算 |
2.6. 不同算子在立木边缘检测中的比较 |
2.7. 高斯滤波器参数的确定 |
2.8. 本章小结 |
3. 基于激光测量的立木测树因子解算 |
3.1. 直径解算原理 |
3.1.1. 解算原理 |
3.1.2. 弦长-直径转换 |
3.1.3. 测量直径处高度的确定 |
3.2. 立木树高解算 |
3.3. 立木冠幅解算 |
3.4. 立木材积测算 |
3.4.1. 立木中央断面区分求积 |
3.4.2. 立木平均断面区分求积 |
3.5. 本章小结 |
4. 试验及精度分析 |
4.1. 研究区概况 |
4.1.1. 旺业甸实验林场 |
4.1.2. 北京鹫峰国家森林公园 |
4.2. 试验方法概述 |
4.2.1. 误差理论及测量方法 |
4.2.2. 衡量指标 |
4.3. 胸径解算精度分析 |
4.3.1. 20cm以下胸径解算精度分析 |
4.3.2. 20cm及以上胸径解算精度分析 |
4.3.3. 胸高测定精度分析 |
4.3.4. 不同测量距离的立木胸径解算精度分析 |
4.3.5. 不同测量倾角的立木胸径解算精度分析 |
4.4. 上部直径解算精度分析 |
4.4.1. 不同高度的上部直径解算精度分析 |
4.4.2. 不同测量距离的上部直径解算精度分析 |
4.5. 树高解算精度分析 |
4.5.1. 10m以下树高解算精度分析 |
4.5.2. 10m及以上树高解算精度分析 |
4.6. 冠幅解算精度分析 |
4.7. 材积测算精度分析 |
4.8. 本章小结 |
5. 结论与讨论 |
5.1. 结论 |
5.2. 讨论 |
参考文献 |
个人简介 |
导师简介 |
获得成果目录 |
致谢 |
(5)基于双目视觉的原木楞堆径级检测系统研究(论文提纲范文)
致谢 |
摘要 |
ABSTRACT |
1 引言 |
1.1 研究背景及意义 |
1.2 常用原木径级检测技术 |
1.2.1 原木径级的测量标准 |
1.2.2 原木检尺技术 |
1.3 国内外研究现状 |
1.3.1 立体视觉技术在原木检测中的应用 |
1.3.2 图像分割技术在原木端面识别中的应用 |
1.4 主要研究内容及技术路线 |
1.4.1 主要研究内容 |
1.4.2 技术路线 |
2 双目视觉测量模型的分析 |
2.1 双目视觉的三维测量原理 |
2.1.1 摄像机成像模型 |
2.1.2 透镜畸变模型 |
2.1.3 双目标定与校正 |
2.2 双目标定对原木楞堆径级检测精度的影响 |
2.3 基于OpenCV改进的张氏标定算法 |
2.3.1 张氏标定算法的改进 |
2.3.2 双目标定与校正的OpenCV实现 |
2.3.3 双目标定实验结果分析 |
2.4 本章小结 |
3 基于模糊理论的原木端面图像分割算法 |
3.1 颜色空间转换 |
3.2 基于模糊理论的边缘检测方法 |
3.2.1 图像的模糊特征平面 |
3.2.2 模糊特征隶属函数 |
3.2.3 基于模糊阈值的图像增强方法 |
3.2.4 3×3窗口模糊规则判决 |
3.2.5 图像域内边缘图像转换 |
3.3 原木模糊边缘检测实验结果分析 |
3.4 原木轮廓图像的标记与计数 |
3.5 本章小结 |
4 双目立体匹配的优化及三维重构 |
4.1 原木轮廓三维模型的建立 |
4.2 基于ORB特征描述子的极线约束立体匹配算法 |
4.2.1 ORB特征描述子的提取 |
4.2.2 基于极线几何的立体匹配约束准则 |
4.2.3 减少匹配点搜索空间的优化方法 |
4.2.4 立体匹配实验结果分析 |
4.3 基于OpenGL的原木轮廓三维重构 |
4.4 基于椭圆拟合的原木径级尺寸测量 |
4.4.1 基于最小二乘的不完整椭圆拟合算法 |
4.4.2 单根原木像素级测量 |
4.4.3 成堆原木端面径级测量结果分析 |
4.5 本章小结 |
5 原木楞堆径级自动检测系统的实现 |
5.1 双目视觉测量硬件系统 |
5.2 原木楞堆图像处理与径级管理软件系统 |
5.2.1 相机标定模块 |
5.2.2 图像处理模块 |
5.2.3 径级数据统计模块 |
5.3 原木楞堆径级检测系统的测试结果分析 |
5.4 本章小结 |
6 结论 |
参考文献 |
作者简历及攻读硕士学位期间取得的研究成果 |
学位论文数据集 |
(6)手机组合测距仪进行原木检尺的方法研究(论文提纲范文)
1 仪器组成及检校 |
1.1 硬件组成 |
1.2 镜头检校 |
2 端面识别 |
2.1 数据获取 |
2.2 灰度化 |
2.3 最大类间方差法 |
2.4 连通域分析 |
2.4.1 第1次遍历 |
2.4.2 第2次遍历 |
2.5 腐蚀算法 |
2.6 标记分水岭算法 |
3 材积计算 |
3.1 国家木材检尺标准 |
3.2 计算材积 |
4 结果与分析 |
5 结论与讨论 |
(8)基于双目视觉的原木材积检测方法研究(论文提纲范文)
摘要 |
Abstract |
1 绪论 |
1.1 课题研究的背景 |
1.2 常用原木材积检测技术 |
1.2.1 原木检尺技术 |
1.2.2 原木检尺中材积计算方法 |
1.3 国内外相关研究现状 |
1.3.1 双目视觉技术用于原木检测的研究现状 |
1.3.2 图像处理技术用于原木端面检测的研究现状 |
1.4 论文研究的主要内容 |
1.5 本章小结 |
2 双目视觉的原木材积检测系统结构及技术原理 |
2.1 系统总体框架 |
2.2 双目立体视觉的材积检测系统设计 |
2.2.1 双目相机系统搭建 |
2.2.2 技术路线 |
2.3 消隐点标定基本原理 |
2.3.1 摄像机成像模型 |
2.3.2 消隐点属性 |
2.4 图像处理过程 |
2.4.1 单幅图像阴影消除 |
2.4.2 双目立体匹配技术 |
2.5 本章小结 |
3 最优消隐点的双目相机标定 |
3.1 最优消隐点标定模板分析 |
3.2 非量测方法的最优消隐点内参数分步标定 |
3.2.1 线形计算相机内参数 |
3.2.2 非量测方法的畸变校正 |
3.3 改进差分进化算法优化全部内参数 |
3.3.1 经典差分进化算法 |
3.3.2 改进差分进化算法 |
3.3.3 算法在标定参数中的应用 |
3.4 双目相机外参数标定 |
3.5 实验结果及分析 |
3.5.1 模拟标定实验 |
3.5.2 现场标定板实验 |
3.6 本章小结 |
4 基于阴影消除的原木端面图像分割方法 |
4.1 自然光下原木端面图像特点 |
4.2 原木端面图像的预分割 |
4.2.1 Meanshift分割原理 |
4.2.2 Meanshift过分割结果 |
4.2.3 过分割合并 |
4.3 区域特征选取 |
4.3.1 颜色直方图 |
4.3.2 LBP纹理直方图 |
4.4 基于随机森林的区域分类 |
4.4.1 随机森林算法理论及步骤 |
4.4.2 随机森林在阴影图像分类中的应用 |
4.5 本章小结 |
5 视差图提取的优化方法 |
5.1 双目测量系统三维测量模型 |
5.2 极线校正的优化 |
5.2.1 基于相机参数的校正 |
5.2.2 基于角点约束的校正 |
5.2.3 方法优化及校正结果分析 |
5.3 快速双目立体匹配的优化方法 |
5.3.1 快速视差图建立 |
5.3.2 基于区域视差图的优化 |
5.4 双目立体视觉测量在原木端面中的应用 |
5.5 尺寸测量 |
5.5.1 单根原木像素级测量 |
5.5.2 成堆原木端面尺径测量结果分析 |
5.6 本章小结 |
6 材积检测系统设计 |
6.1 原木材积计算标准 |
6.1.1 中国原木材积检测标准 |
6.1.2 主要贸易国与中国原木材积检测标准的对比 |
6.2 材积检测系统简介 |
6.3 系统界面设计 |
6.3.1 相机标定模块 |
6.3.2 图像处理模块 |
6.3.3 材积结果显示模块 |
6.4 不同树种实际测量结果及分析 |
6.5 本章小结 |
结论 |
参考文献 |
附录 |
攻读学位期间发表的学术论文 |
致谢 |
(9)一种基于计算机视觉的原木端面面积检测方法(论文提纲范文)
1 材料与方法 |
1.1 原木端面成像系统的硬件组成 |
1.2 原木端面成像系统的标定 |
1.2.1 相机传感器信号的标定方法 |
1.2.2 像素的面积换算系数校正方法 |
1.3 原木端面图像的处理方法 |
1.3.1 基于自动阈值的原木分割算法 |
1.3.2 基于分水岭算法的原木端面识别算法 |
2 结果与分析 |
2.1 原木端面图像的采集及标定 |
2.2 原木端面图像的识别 |
2.3 原木端面面积计算 |
3 结论 |
(10)基于机器视觉的剖竹机加工目标检测算法研究(论文提纲范文)
摘要 |
Abstract |
1 绪论 |
1.1 课题背景及意义 |
1.2 国内外剖竹机技术研究现状 |
1.3 机器视觉技术发展现状 |
1.4 机器视觉技术在林业中的应用 |
1.5 本论文选题来源及主要研究内容 |
1.5.1 论文选题来源 |
1.5.2 论文主要研究内容 |
1.6 论文的组织结构 |
2 剖竹机视觉检测系统 |
2.1 ZQK20数控剖竹机工作原理及组成 |
2.1.1 数控剖竹机工作原理及组成 |
2.1.2 剖竹机简介 |
2.2 剖竹机运动控制机构 |
2.3 剖竹机视觉检测系统组成 |
2.3.1 硬件结构设计 |
2.3.2 软件结构设计 |
2.4 本章小结 |
3 竹材形状数学模型及出材率计算分析 |
3.1 竹材形状数学模型理论基础 |
3.2 竹材出材率计算方法研究 |
3.2.1 竹片加工方法概述 |
3.2.2 竹材体积及出材率计算 |
3.3 本章小结 |
4 竹材端面图像分割算法研究 |
4.1 竹材图像预处理 |
4.1.1 图像去噪问题描述 |
4.1.2 图像去噪实验及结果分析 |
4.2 图像分割算法研究 |
4.3 基于小波变换纹理特征的图像分割方法 |
4.3.1 纹理图像分割的一般模型 |
4.3.2 非下采样Contourlet变换局部区域特征的图像分割方法 |
4.3.3 基于Gabor变换的纹理图像分割算法 |
4.4 基于Lab颜色空间的竹材图像分割算法 |
4.4.1 颜色空间及转换 |
4.4.2 特征提取及竹材图像分割算法 |
4.4.3 实验与结果分析 |
4.5 竹材端面轮廓提取及拟合算法 |
4.6 本章小结 |
5 运动竹材检测与跟踪算法研究 |
5.1 运动目标检测算法研究 |
5.1.1 常用目标检测算法 |
5.1.2 背景建模方法 |
5.2 基于三帧差分的改进高斯混合模型运动竹材检测算法 |
5.2.1 检测算法描述 |
5.2.2 实验结果及分析 |
5.3 运动目标跟踪算法研究 |
5.3.1 常用目标跟踪算法 |
5.3.2 改进Camshift多特征运动竹材跟踪算法 |
5.3.3 实验结果及分析 |
5.4 本章小结 |
6 剖竹机加工目标检测算法研究 |
6.1 摄像机模型 |
6.2 摄像机标定技术 |
6.3 基于Hough变换的剖竹机链条检测方法 |
6.3.1 确定剖竹机区域 |
6.3.2 确定竹材位置 |
6.4 基于单目视觉的图像测距算法 |
6.4.1 基于小孔成像理论的图像测距算法 |
6.4.2 实验及结果分析 |
6.5 本章小结 |
结论 |
参考文献 |
攻读学位期间发表的学术论文 |
致谢 |
四、计算机视觉在原木材积检测中的应用(论文参考文献)
- [1]结合深度学习与Hough变换的等长原木材积检测系统[J]. 林耀海,赵洪璐,杨泽灿,林梦婷. 林业工程学报, 2021(01)
- [2]基于线激光与图像的便携非接触式原木端面直径测量装置[D]. 秦政辉. 北京林业大学, 2020(02)
- [3]原木材积测量方法研究及安卓系统下的实现[D]. 霍东旭. 东北林业大学, 2018(02)
- [4]基于机器视觉和激光测量的立木测量方法研究[D]. 吕奇. 北京林业大学, 2018(04)
- [5]基于双目视觉的原木楞堆径级检测系统研究[D]. 张强. 北京交通大学, 2018(06)
- [6]手机组合测距仪进行原木检尺的方法研究[J]. 闫飞凡,冯仲科,李涛,王明明. 林业资源管理, 2016(06)
- [7]一种基于计算机视觉的原木统计方法[J]. 方晴. 科技创新与应用, 2016(12)
- [8]基于双目视觉的原木材积检测方法研究[D]. 赵亚凤. 东北林业大学, 2016(02)
- [9]一种基于计算机视觉的原木端面面积检测方法[J]. 李博豪,殷晓平,赵新,牛竟飞,邰明,孙英. 林业科技通讯, 2015(10)
- [10]基于机器视觉的剖竹机加工目标检测算法研究[D]. 王海丰. 东北林业大学, 2015(01)