原文传递
融合深度学习的关键几何特征图像模式匹配研究
| 论文题名： | 融合深度学习的关键几何特征图像模式匹配研究 |
| 关键词： | 白车身;孔特征;模板匹配;几何特征;图像修复 |
| 摘要： | 当前图像模式匹配广泛应用于目标检测、视频跟踪、零件定位等领域，模板匹配作为图像模式匹配最常用的方法，长期以来都是学者重点关注的内容。孔特征作为白车身的关键几何特征，在整个汽车制造过程中具有非常重要的作用，因此对孔特征位置的可靠测量具有非常重要的意义。采用视觉手段测量时，需要对孔特征图像进行精确匹配，但容易受到孔特征周围污渍和环境光照的干扰，导致无法获得准确的位置匹配结果。因此，本课题以白车身关键几何特征作为应用背景，结合深度学习和图像修复技术对车身光孔和螺纹孔进行匹配，主要展开以下研究： 1）为解决孔特征训练数据集不足导致深度学习训练出的模型质量不高的问题，提出改进的对抗网络扩充数据集。通过对GAN网络和DCGAN网络结构进行分析并对DCGAN进行一定的改进，使用改进后的DCGAN网络对孔特征图片进行扩充，经实验对比验证改进后DCGAN网络生成的图片具有更好的质量，且扩充后深度学习模型的mAP较未扩充前提高1.3%。 2）为解决准确识别图像中污渍和强光反射的问题，提出改进的FasterRCNN目标识别方法。通过对原始网络模型结构的分析，针对原有模型的缺点对网络进行改进。通过实验证明，改进后的模型对污渍和强光识别的平均准确度达到91.9%，较原始模型提高了3.7%。 3）为解决匹配过程中污渍、强光降低光孔和螺纹孔匹配准确度的问题，首先对识别出的污渍和强光进行图像修复，排除二者对匹配的干扰，并分别结合灰度和边缘特征的匹配方法对光孔和螺纹进行匹配，最后对匹配结果进行亚像素坐标拟合，经实验证明，修复后光孔和螺纹孔匹配的精确度和商业软件匹配精确度的差值均小于0.3。 |
| 作者： | 马钲东 |
| 专业： | 控制工程 |
| 导师： | 王一;邓志超 |
| 授予学位： | 硕士 |
| 授予学位单位： | 华北理工大学 |
| 学位年度： | 2022 |
检索历史
应用推荐
