大数据-算法-三维几何外形的自动视觉检测技术研究.pdf

这篇博士论文主要探讨了在大数据和算法背景下，三维几何外形的自动视觉检测技术。自动视觉检测（Automatic Visual Inspection，AVI）在近年来受到工业界和学术界的广泛关注，并已广泛应用于食品、工业、农业、航空等领域。它涉及到诸如几何尺寸测量、零件识别、表面处理和接缝检查等特定部分特征的检测。 在三维视觉检测中，论文特别分析了其理论和方法，并根据实际环境实现了一个货物轮廓的检测系统，这对于我国AVI的应用是一次有益的尝试。该系统强调实时性和准确性，需要灵活地采用计算机视觉领域的最新技术来设计用户友好的视觉系统。 论文讨论了基于视觉的检测系统理论，以及其中的两个关键技术：范围数据获取和感知数据建模。提出了两种高效的方法：多基线运动视觉和结构光的范围成像。同时，为了从透视深度图构建八叉树模型，开发了一种快速方法。这种方法具有成本低、计算简单、适合并行运算的特点，能有效提高检测效率。 在工作现场，工件通常通过传送带以流水线方式从一个工作流程转移到另一个。论文提出了一种在线检测方法，即在运输过程中进行检测，而不中断生产。通过分离数据采集和数据计算过程，并采用并发控制多个运输通道的策略，系统极大地提高了设备利用率，显著降低了成本开支。TCP/IP网络通信的采用确保了数据的快速传输，并能够及时汇总各通道的检测结果，将其传送到货运决策部门，使得系统可以无缝集成到现有的管理系统中。 关键词：计算机视觉、自动视觉检测、三维检测、深度图像、八叉树模型、参考模型、外形。这些关键词突出了论文的研究焦点，包括先进的计算机视觉技术在解决三维几何外形检测中的应用，以及如何通过高效算法优化检测过程，实现自动化和智能化。 这篇论文对三维几何外形的自动视觉检测技术进行了深入研究，提供了实用的解决方案，对于工业生产中的质量控制和效率提升具有重要意义。