一、光学与相似三角形（论文文献综述）
于洋[1]（2021）在《基于透镜阵列的轴对中检测技术研究》文中研究指明轴联接对准是传动机械装配过程中的重要环节,当两轴的对准存在误差时,会产生振动、噪声、磨损加剧等不良影响,甚至会导致传动设备的使用寿命缩短,威胁工作人员安全等问题。目前,轴对中检测主要有百分表法和激光对中法。百分表法需要定制配套的基础设备并由专业的技术人员来完成繁琐的测量;激光对中法近两年在国内一些重要的安装场合开始应用,但核心技术仍被国外封锁。本文基于上述问题开展了相关研究。首先通过分析百分表测量法和国外先进的激光对中仪工作原理,建立了以三百分表法测量原理为基础的几何模型和数学模型,给出了垂直面、水平面两个主要投影平面内角偏差和线偏差两个主要偏差的测量和求解过程,构建了测量对象各几何参数间的数学模型。为了对其位置关系进行测量,本文从轴对中测量和调整过程实际应用出发,确定纠正偏差时的基准面及基准点,为建立几何关系提供统一的参考点。其次,提出基于透镜阵列技术的角度测量和位置测量方法,利用光束透过阵列透镜在CCD上形成多个光斑的位置变化解算光线入射角度,从而实现角偏差测量;在另一路测量光路中,采用PSD接收激光光斑的位置变化,进而实现线偏差的测量。通过分析、计算和选型,从技术上完成了测量系统设计,并对测量系统检测原理建模分析,从单个透镜到多个透镜,对0.06°至6°多个角度的入射角进行仿真分析,光斑位置与理论值相差均符合理论分析要求,验证了测量系统的技术可行性。最后,搭建了实验系统验证上述的测量方法,结果表明:在25mm至200mm的轴向测量范围内,实现了±8°至±2.5°的角度测量范围。两轴不对中时的角度偏差测量精度能够达到0.02°,线偏差的测量精度能够达到±3μm,满足技术指标要求。
朱颖,赵明[2]（2021）在《基于语义分割的城区激光点云与光学影像配准》文中研究表明基于点云数据与光学遥感影像的协同应用在遥感领域获得广泛关注,为了对两种数据进行精确的配准以更好地融合两者优势,提出了一种城市场景下点云与光学遥感影像的自动配准方法。首先,由点云数据生成深度影像,即3D数据转换为2D影像;然后,运用Unet模型对深度影像和光学遥感影像分别进行训练并分割得到建筑面;再基于建筑面轮廓点集构建建筑最小外接矩形,将矩形长宽比作为寻找同名点的约束条件;接着,利用相似三角形原理寻找矩形中心同名点;最后,同名点坐标代入变换模型计算模型参数,完成配准。实验结果表明该方法对于运用传统点特征方法匹配困难的情况可实现较好的配准效果,且对图像平移、旋转、缩放均具有可抗性。
张天柱[3]（2020）在《C40自密实混凝土Ⅰ型断裂力学性能研究》文中提出自密实混凝土又称为免振捣自流平混凝土,属于高性能混凝土的一大分支,因其具有优良的工作性能,在施工浇筑中无需振捣,越来越受到工程建设者的青睐。随着我国铁路交通的大力发展和基础设施的建设完善,自密实混凝土在土木工程建设中的使用量将越来越大,使用范围也将越来越广泛。混凝土材料的断裂破坏一直以来都是混凝土结构耐久度降低、劣化破坏的主要原因,而自密实混凝土的各项性能指标与一般的振实混凝土有所差异,因此有必要针对自密实混凝土材料的断裂力学性能进行深入研究。到目前为止,已有大量关于不同强度普通振实混凝土断裂力学性能的研究,但对自密实混凝土断裂力学性能的研究尚少,本文为了研究粗骨料体积占比及裂缝深度对自密实混凝土材料断裂性能的影响,制作了45根跨中带预制裂缝的自密实混凝土梁试件,包括了3种粗骨料体积占比、5种预制裂缝深度变化的15组试件。试验采用三点弯曲加载的方式对带预制裂缝的梁试件进行加载,通过电测法测定了梁试件的起裂荷载和峰值荷载,并得到了裂缝口张开位移计算值;利用数字图像相关方法获取了断裂过程区长度以及裂缝口张开位移测量值;基于临界距离理论研究了广义临界距离与断裂过程区长度之间的关系;采用双K断裂准则和边界效应理论对梁试件的断裂力学性能进行了研究分析。本文主要工作和研究结论如下:（1）通过新拌自密实混凝土工作性能试验和混凝土基本力学性能试验,研究了三种不同粗骨料体积占比自密实混凝土的新拌混凝土工作性能和基本力学性能,试验结果表明:三种新拌自密实混凝土的工作性能均符合规范标准;自密实混凝土的抗压强度和劈拉强度均随粗骨料体积占比的增大有小幅度增大。（2）采用电测法测定了自密实混凝土梁试件在三点弯曲加载过程中的起裂荷载和峰值荷载,试验结果表明:在单一变量的原则下,梁试件的起裂荷载和峰值荷载均随裂缝深度增大而减小;随粗骨料体积占比的增加而增大。（3）通过数字图像相关方法测量了三点弯曲梁试件加载过程中的断裂过程区长度和裂缝口张开位移。试验结果表明:同一条件下,断裂过程区长度随裂缝深度的增加而减小,随着粗骨料体积占比的变化并不明显;裂缝口张开位移值与荷载正相关,同一荷载下,裂缝口张开位移值随着裂缝深度增大而增大、随粗骨料体积占比的增大有小幅度增大。（4）基于双K断裂模型研究了三种自密实混凝土梁试件的双K断裂韧度KICini和KICun:对于同一粗骨料体积占比不同初始缝高比的梁试件,在一定初始缝高比变化范围内（0.2 0.6）,计算得到的双K断裂韧度基本不存在尺寸效应;对于不同粗骨料体积占比的梁试件,双K断裂韧度随粗骨料体积占比的增加而增加,可以认为自密实混凝土的双K断裂韧度受粗骨料体积占比变化的影响较大,在一定范围内增加粗骨料体积占比,可以有效提高自密实混凝土的断裂韧度。（5）通过临界距离理论对自密实混凝土梁试件的断裂过程区进行计算分析,并与试验结果进行比较可知:由临界距离理论点法和线法得到的广义临界距离值比较接近,线法准则的预测相较于点法准则更为保守,且两种方法预测的过程区长度均随初始缝高比的增大而减小,与试验结果一致;比较基于临界距离理论的预测值与DIC方法测量的试验值可知,当初始缝高比较小时（a0=0.2 0.4）,FPZ长度的试验值随初始缝高比的减小趋近于点法和线法的预测值2L;当初始缝高比较大时（a0=0.4 0.6）,FPZ长度的试验值随初始缝高比的增大趋近于点法和线法的预测值L。（6）采用边界效应模型的研究结果表明:对相同尺寸不同初始缝高比的梁试件,可以由三点弯梁断裂试验得到的峰值荷载,通过外推法拟合同时确定材料的抗拉强度和断裂韧度;在模型中引入同时考虑骨料体积占比和粗骨料最大粒径的等效平均粒径dave可以更准确的表征粗骨料体积占比对自密实混凝土断裂性能的影响;虚拟裂纹扩展量（35）afic在数值上与峰值荷载对应的FPZ长度一致,且对于自密实混凝土,当（35）afic=1.75dave时,峰值荷载预测值Pmax（9）与峰值荷载Pmax实际测量结果平均值基本一致,可以指导设计。
潘臻[4]（2020）在《基于结构光的三维视觉测量研究》文中研究指明随着经济的发展,人们对生活质量的追求越来越高,国家对智能化产业越来越重视,体现计算机视觉越显重要,它在逆向设计、人体重建、医学领域等领域,能够提供虚拟现实、定位等技术,能够降低成本、提高效率。结构光测量是计算机视觉的重要技术之一,结构光三维测量技术是一种非接触的光学三维测量方法,其基本原理为使用计算机生成结构光图案,利用投影仪投影到物体表面,然后对图案进行解码等一系列图像处理完成三维重建。然而,现有的方法大多需要对设计的模式进行多次投影来实现封闭形式的解决方案,这使得它们无法测量动态对象。本文提出了一种基于双相机的结构光三维重建方法,并通过实验验证了该方法的有效性。本文以结构光为基础,主要研究了双相机的三维重建方法,并将重建方法应用到实际测量中去,主要内容如下:（1）深入研究了结构光的三维测量相关理论、方法和关键技术,从数学角度分析了四大坐标系的转换关系和内外参数,同时分析了对极几何的原理,结合以上几点建立了一种基于双视图极线约束的结构光重构方法的系统模型。（2）对本文搭建的系统的组成硬件组成进行了陈述,并分析出双相机的转换关系根据双相机的转换关系完成双相机标定,得到了摄像机的内外参数。同时对现有的编码技术进行了分析,提出了本文中基于RGB圆点的直接编码技术。（3）采集带有结构光图案的图像,对图像进行算法处理,提出了一种基于HSV的网点分割方法,利用该方法提取出像素坐标,利用本文所提出RGB配准方式对可图像可配准的像素坐标进行筛选,并利用相似三角形原理,获得物体成像面上的三维坐标。（4）对本系统进行实际应用测量,对设计好具有具体尺寸的模具进行测量,测得本文所搭建系统误差为0.31mm,与Kinect进行精度对比,验证了本系统具有更好的实用性与鲁棒性。最后根据求得的光心和物体成像面上的三维坐标利用解析解的方法求得物体表面点的三维坐标,最后利用三次样条插值完成三维重建。
来玉凤[5]（2020）在《一种单目视觉的物体深度测量方法研究》文中研究说明随着计算机视觉技术的不断发展、数字成像设备的不断升级,图像深度测量方法被广泛应用于智能机器人领域、交通辅助领域、3D建模领域和3D视频制作领域。经过对比激光、红外光、超声波、双目视觉和单目视觉等深度测量的方法,基于单目视觉的被动深度测量方法因其操作简单、成本低廉、具有较小的空间与载荷成为研究热点,不仅具有理论意义,更具有实用价值。本文主要利用图像中目标物体的特征来获取绝对深度信息。方法主要包括以下几个模块:基于灰度线性变换、平滑处理的图像预处理操作和改进的LBF模型图像分割;通过改进的Harris算法与改进的SIFT算法,提出Harris-SIFT算法并用其提取图像中目标物体的特征信息;利用凸包原理选取直线段,最后计算图像缩放率求得物体深度信息。本文从两个方面对相关算法进行优化:1)改进LBF模型的图像分割算法。通过分析标准LBF模型中高斯函数作为核函数应具备的性质,使用计算量小的复合函数模拟高斯函数,从而提高水平集的演化速度;通过引入图像增强算子,对图像进行校正、降噪和增强对比度的操作,从而提高图像中灰度值相近部分的分割效率。实验结果显示,本文改进的LBF模型比原模型分割图像时迭代次数减少,从而降低了分割时间,提升了算法性能。2)通过改进的Harris算法与改进的SIFT算法,提出适用于本研究的Harris-SIFT算法。首先,使用多尺度空间下Harris算法的特征点提取代替SIFT算法中的特征点提取,有效避免使用SIFT算法检测到冗余的特征点。其次,重新构造SIFT算法的特征描述子,通过降低描述子的维度和区分梯度值相同但不同灰度值的像素点,提高算法的准确率与检测效率。本文采用改进的Harris-SIFT算法提取图像中目标物体的特征,进而获得绝对深度信息。通过多种方法对多个物体进行深度测量实验,本文方法计算出的实际距离与测量距离间的误差率小于3.5%,优于其它方法。实验结果表明,本文研究的基于单目视觉的深度测量方法能较精确的测量出短距离内物体的深度信息。
李钇璇[6]（2020）在《实验室虚拟智能管家系统及物品检测关键技术研究》文中指出随着计算机科学、信息论、控制论和神经网络等学科的发展,始于上个世纪40年代的人工智能技术近年来取得突破进展,基于深度学习的图像识别、语音识别、自然语言处理、机器翻译等开始进入实用,由此形成一股“人工智能+”的产业革命浪潮,并迅速向各个行业渗透。具有较高智慧的人形机器人是人工智能的终极目标之一,尽管世界上许多研究机构在从事该方面的研究开发,但进入实用仍需一个漫长的过程。本实验室尝试以六轮小车代替人形机器人,以采集、交流、处理信息为重点,打造一款开放式轻型智能管家系统。本论文重点讨论了基于计算机视觉的目标检测和基于虚拟现实的VR展示和交互式管理等,主要工作和成果如下。论文开发了基于轻型智能小车的实验室智能管家系统,包括基于MFC、OpenCV和MySQL的开发者调试版和基于Unity3D和SteamVR的VR版智能管家软件系统,搭建了车载可升降摄像机平台和基于HTC VIVE的VR硬件系统。论文针对实验室物品管理的特点和需求,提出了一种基于图像特征匹配的快速物体检测算法。该方法首先选用实时性和准确性较高的ORB算法进行图像特征点提取;接着通过Lowe’s算法剔除误匹配点,再通过Ransac算法筛选真匹配点;在此基础上,通过相似三角形的统计检测代替繁琐的轮廓比对测量,实现了对预先登记注册的物品的快速检测。论文对该算法的适用条件和准确率进行了大量实验,并在此基础上提出了物品注册入库规范。论文深入分析对比了几种基于深度学习的目标检测算法,选用YOLOv3算法作为智能管家系统中目标检测的算法模型,以VOC 2007数据集为模板进行训练数据集的制作,采用Tensorflow框架进行模型训练,并针对本论文实际情况调整参数进行模型优化。实验表明,论文所实现的基于YOLOv3的目标识别算法具有较好的泛化特性,可以实时识别视频画面中出现的人物和已训练物品。该方法可以作为一种前导检测,即先识别物品种类,再用上述基于图像特征匹配的快速算法识别物品个体,大幅缩小后者所需比对检测的物品范围。论文借助ZED相机、SENSE 3D扫描仪和深度相机等硬件设备,实验探讨了基于双目立体检测、结构光和飞行时间的多种三维数据采集与建模技术,同时还借助3D MAX软件实现了接近真实实验室环境的虚拟实验室等大型三维场景的建模,从而为基于虚拟现实的VR展示和交互式管理提供了基础。实验表明,本文所开发的基于轻型智能小车的实验室智能管家系统工作稳定,物品、人物识别等关键功能在检测速率和准确性方面达到预设要求,基本满足实验室智能管家系统的需求。该系统是一个开放式系统,随着更多软件和硬件模块的加入,其功能必将越来越完善,智能化程度越来越高。
孟涛涛[7]（2020）在《三维集成成像的计算重构技术研究》文中认为随着社会的日益发展和人们生活水平的不断提高,传统的二维平面图像信息已经不能满足人们的生活需求,三维场景信息日益受到人们的关注与研究,其在三维医学、三维电影、物体微结构信息获取等方面具有非常大的发展潜力和应用前景。三维集成成像属于裸眼真三维显示领域,其虽然是一种新兴起的立体显示技术,但是凭借其自身优势,如可全视差、全彩色、连续视点显示,可无视觉疲劳的裸眼观看等,吸引了越来越多的国内外研究学者对其进行深入的研究与探索,已逐渐成为立体显示技术的重点研究方向。三维集成成像计算重构是利用计算机来模拟微透镜阵列或针孔阵列,使其能通过相关重构算法从微单元图像阵列中获得对其有效的三维场景信息,从而可以计算重构出所需的三维场景图像。三维集成成像计算重构主要研究两个方面:自由视点计算重构和三维深度面计算重构。由于目前自由视点计算重构存在分辨率低的问题,在对其进行了深入研究的基础上,本文提出了一种基于无冗余图像块提取的集成成像计算重构新方法,在视点位置确定的情况下,可生成高分辨率的自由视点计算重构图像。首先,根据视点的位置,确定每个微单元图像提取的图像块位置和尺寸;其次,计算从每个微单元图像提取图像块的像素坐标和所包含的像素数,将提取的每个图像块所包含的像素旋转180度并依次进行拼接,从而重构出高分辨率的自由视点计算重构图像。同时,由于目前三维深度面计算重构存在精确度低的问题,在对其进行了深入研究的基础上,本文提出了一种基于像素绘制-微透镜成像模型的深度面重构算法,有效的避免了传统深度面计算重构算法自身所存在的问题,从而能够使三维场景深度面重构图像的精度有所提高。
陈凯[8]（2020）在《基于机器视觉的摄影机器人的目标识别与跟踪技术研究》文中研究表明本课题来源于企事业委托项目,负责研发虚拟演播室摄影机器人的视觉模块,主要实现摄影机器人对目标主持人的识别与跟踪的系统开发,其核心模块主要有人脸识别模块、深度定位模块与目标跟踪模块。本文首先对虚拟演播室下摄影机器人的工作空间需求进行分析,提出了一种轨道式摄影机器人,并对其结构与控制系统进行了详细介绍。本文对该摄影机器人进行了运动学分析,并对其进行了逆运动学求解。虚拟演播室下,除主持人固定外,其他嘉宾都具有很高的流动性,此时需要完成的人脸识别问题能够被抽象化为开放集上的人脸识别问题。本文在实现两种经典的人脸识别算法的基础上,对它们进行了实现并分析其优缺点,进而提出了一种基于YOLOv3与改进Res Net50网络的人脸识别模型。其改进的识别网络通过中心损失函数与Softmax损失函数进行联合监督训练,最终通过实验证明,该算法在开放集上,具有较好的识别精度与实时性,能够应用于摄影机器人的人脸识别模块。摄影机器人的目标跟踪离不开对跟踪目标的空间定位。本文首先对摄影机器人的摄像机成像模型进行了分析,并基于张正友棋盘标定法完成了摄像机的内参标定。本文基于级联回归树完成了对人脸的特征点检测,进而提出了一种基于瞳心距与相似三角形的深度定位算法。考虑到头部姿态对定位精度的影响,本文对算法做了进一步改进,引入某个标量衡量头部姿态改变并对瞳心距矫正,使得其能够在头部姿态改变时依然具有稳定鲁棒的深度定位精度。在对摄影机器人运动学分析与提出的人脸识别模块、深度定位模块的基础上,本文提出了一种理想状态下的摄影机器人目标识别与跟踪方案,并对跟踪目标的三维坐标公式进行了推导。基于跟踪目标的空间坐标与运动学逆解,即可求出理想跟踪状态下摄影机器人各关节变量。由于理想状态下的跟踪方案存在某些问题,本文基于虚拟演播室下的跟踪需求,预设目标跟踪边界框,根据目标偏移距离提供两种摄影机器人跟踪模式,并在实验中进行了验证。该跟踪方案跟踪精度较高,视觉画面良好,跟踪过程中摄影机器人的机械性能稳定。
唐碧波[9]（2019）在《基于激光位移传感器的焊缝跟踪方法和障碍物识别技术研究》文中认为随着现代自动化焊接技术的不断发展与深入推进,传统的制造业升级和转型面临着巨大的机遇和挑战。焊接作为传统制造业中不可或缺的材料加工方法,焊接自动化是焊接行业发展的必然趋势。现代焊接自动化的重点是在于焊缝跟踪的实时处理,因此焊缝跟踪技术是实现现代自动化焊接的重要前提。而焊缝跟踪的重点在于对复杂焊缝曲线轨迹的识别和实时校正,对于随机分布、尺寸及结构多变性的障碍物能实现分类识别及智能规避。本文设计了激光光强控制系统及激光光强自适应驱动电路来自适应于各种板材,分析了自动化焊接过程中焊缝跟踪时出现的六种偏差情况,针对大梁工件上随机分布的流水槽、三角板、圆形板、加强板等障碍物研究了一种基于贝叶斯轮廓分类的大梁障碍物识别方法。设计激光光强控制系统及激光光强自适应驱动电路来自适应于各种板材。根据激光位移传感器的原理及特征,建立了焊缝跟踪模型,分析了在焊接过程中焊缝出现的中偏右,中偏左,左偏右,左偏左,右偏右,右偏左六种偏差情况,利用激光位移传感器的测量原理及数学方法对焊缝跟踪时出现的六种偏差情况进行了深入研究,并求解出了焊缝跟踪过程中出现的左右偏差及上下偏差值,便能通过执行机构实时及精确地调整焊枪姿态,为智能焊缝跟踪奠定了基础,为自动化焊接提供了新思路。基于焊缝障碍物识别的原理,提出了一种基于贝叶斯轮廓分类的障碍物识别方法。这种方法采用了左右差分差值法预测障碍物并提取障碍物轮廓数据,利用多级面积周长比的轮廓描述函数结合贝叶斯分类对障碍物进行有效分类,建立了贝叶斯轮廓分类的数学模型并用MATLAB软件对障碍物扫描数据进行了仿真分析,最后依据扫描式激光位移传感器对大梁障碍物进行了实例试验,试验表明大梁中四类障碍物测试样本的概率差比都很大且算法分类所需时长完全满足焊接实时性要求,所以提出的基于贝叶斯轮廓分类方法对大梁障碍物预测具有高准确性及实时性。通过激光位移传感器焊缝跟踪的实验平台,验证了上述焊缝跟踪方法的可行性,根据激光传感器跟踪实验效果图得知焊缝成型良好,工作性能稳定,跟踪精度较高,符合自动化焊接过程中跟踪的需求。
王双[10]（2019）在《《相似三角形的应用》微课设计》文中指出微课选题分析微课的特点是短小精悍,所以微课的选题要小,要针对学生不易理解透彻的、易错的或者在课堂教学中难以解决的问题。本节微课选题是数学中的应用类问题,这类问题的特点是题型丰富、涉及面广、贴近生活,而且把实际问题转化为数学问题,又是大多数初中学生的难题。要想更好地解决应用类问题,学生需要动手实践,建立数学平面
二、光学与相似三角形（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、光学与相似三角形（论文提纲范文）
（1）基于透镜阵列的轴对中检测技术研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 概述 |
| 1.2 国内外研究现状 |
| 1.2.1 轴对中检测技术国内外现状 |
| 1.2.2 透镜阵列发展及应用 |
| 1.2.3 CCD图像传感器发展现状 |
| 1.3 论文研究的主要内容 |
| 1.4 论文结构安排 |
| 第2章 基于透镜阵列的轴对中偏差检测原理 |
| 2.1 轴对中偏差存在形式 |
| 2.1.1 偏差纠正分析 |
| 2.1.2 轴对中偏差的影响 |
| 2.2 三百分表法及激光对中仪法测量原理分析 |
| 2.3 基于透镜阵列的轴对中检测技术理论研究 |
| 2.3.1 测量线偏差的理论研究 |
| 2.3.2 透镜阵列测量角度偏差的理论研究 |
| 2.3.3 透镜阵列测量角度偏差的优势 |
| 2.4 聚焦光斑质心提取原理 |
| 2.5 本章小结 |
| 第3章 检测系统设计 |
| 3.1 检测系统总体方案设计 |
| 3.2 发射单元设计 |
| 3.3 接收单元设计 |
| 3.3.1 透镜阵列设计 |
| 3.3.2 接收器设计 |
| 3.4 本章小结 |
| 第4章 基于Light Tools的检测系统模拟及实验误差分析 |
| 4.1 检测系统模拟 |
| 4.1.1 单个透镜模拟 |
| 4.1.2 理想透镜阵列的检测系统模拟 |
| 4.2 实验误差的来源分析 |
| 4.2.1 探测器误差 |
| 4.2.2 探测器光学方向上产生的误差分析 |
| 4.2.3 探测器机械方向上产生的误差分析 |
| 第五章 实验验证 |
| 5.1 检测系统标定 |
| 5.1.1 实验主要仪器介绍 |
| 5.1.2 系统标定 |
| 5.2 轴对中实验验证 |
| 5.3 本章小结 |
| 第6章 总结与展望 |
| 6.1 总结 |
| 6.2 创新性工作 |
| 6.3 展望 |
| 参考文献 |
| 攻读硕士学位期间取得的成果 |
| 致谢 |
（2）基于语义分割的城区激光点云与光学影像配准（论文提纲范文）
| 0 引言 |
| 1 本文算法基本框架 |
| 1.1 基于深度学习的Li DAR和光学遥感图像语义分割方法 |
| 1.2 建筑物稀疏点匹配 |
| 1.3 配准变换模型 |
| 2 实验与分析 |
| 2.1 数据集 |
| 2.2 实验仿真 |
| 2.2.1 传统分割方法与基于Unet网络的分割方法比较 |
| 2.2.2 基于语义分割的图像配准效果与分析 |
| 2.2.3 配准实验对比与分析 |
| 3 结论 |
（3）C40自密实混凝土Ⅰ型断裂力学性能研究（论文提纲范文）
| 摘要 |
| abstract |
| 主要符号说明 |
| 第一章 绪论 |
| 1.1 研究的背景及意义 |
| 1.2 自密实混凝土国内外研究现状 |
| 1.3 断裂力学的产生和发展 |
| 1.3.1 线弹性断裂力学的发展过程 |
| 1.3.2 弹塑性断裂力学的发展过程 |
| 1.3.3 混凝土断裂力学的发展过程 |
| 1.4 相关理论研究简介 |
| 1.4.1 混凝土双K断裂模型的研究现状 |
| 1.4.2 临界距离理论的研究现状 |
| 1.4.3 边界效应模型的研究现状 |
| 1.5 数字图像相关方法简介 |
| 1.5.1 数字图像相关方法的发展 |
| 1.5.2 DIC方法用于建筑材料的研究现状 |
| 1.6 本文研究的工作内容 |
| 第二章 自密实混凝土基本力学性能 |
| 2.1 引言 |
| 2.2 自密实混凝土的原材料及配合比 |
| 2.2.1 原材料 |
| 2.2.2 自密实混凝土配合比及拌合工序 |
| 2.3 自密实混凝土工作性能及力学性能实验结果 |
| 2.3.1 新拌自密实混凝土性能 |
| 2.3.2 抗压强度 |
| 2.3.3 劈拉强度 |
| 2.3.4 弹性模量 |
| 2.4 本章小结 |
| 第三章 含直裂缝自密实混凝土梁试件浇筑及测试方案 |
| 3.1 引言 |
| 3.2 试件规格及加载形式 |
| 3.3 实验概况 |
| 3.3.1 试件设计制作 |
| 3.3.2 试件处理及应变片粘贴方法 |
| 3.3.3 试验装置与试验过程 |
| 3.4 数字图像相关法的基本原理 |
| 3.4.1 数字图像相关法的优点 |
| 3.4.2 数字图像相关法测试原理 |
| 3.5 本章小结 |
| 第四章 含直裂缝自密实混凝土梁三点弯曲试验结果分析 |
| 4.1 引言 |
| 4.2 梁试件起裂荷载的测定 |
| 4.3 不同因素对梁试件起裂荷载和峰值荷载的影响 |
| 4.3.1 预制裂缝深度对梁试件起裂荷载和峰值荷载的影响 |
| 4.3.2 粗骨料体积占比对梁试件起裂荷载和峰值荷载的影响 |
| 4.4 电测法测算梁试件裂缝口张开位移 |
| 4.4.1 电测法测算梁试件裂缝口张开位移的理论方法 |
| 4.4.2 电测法实验结果分析 |
| 4.5 数字图像相关方法研究断裂过程区的发展 |
| 4.5.1 数字图像相关方法测量裂缝口张开位移值 |
| 4.5.2 数字图像相关方法测量断裂过程区尺寸 |
| 4.6 自密实混凝土断裂性能的影响参数 |
| 4.6.1 基于双K准则的断裂性能分析 |
| 4.6.2 双K模型计算结果分析 |
| 4.6.3 初始缝高比对双K断裂韧度的影响 |
| 4.6.4 粗骨料体积占比对双K断裂韧度的影响 |
| 4.7 本章小结 |
| 第五章 基于临界距离理论的自密实混凝土断裂性能研究 |
| 5.1 引言 |
| 5.2 临界距离点法和线法的理论研究 |
| 5.2.1 临界距离L的定义 |
| 5.2.2 临界距离点法准则 |
| 5.2.3 临界距离线法准则 |
| 5.2.4 表观断裂韧度的计算 |
| 5.3 TCD计算结果分析 |
| 5.3.1 表观断裂韧度分析 |
| 5.3.2 基于PM和LM的断裂过程区长度预测 |
| 5.4 本章小结 |
| 第六章 基于边界效应的自密实混凝土断裂性能研究 |
| 6.1 引言 |
| 6.2 边界效应对断裂性能影响的渐近解 |
| 6.2.1 单边开口无限大板准脆性断裂的渐近解 |
| 6.2.2 有限尺寸三点弯曲梁的渐近解 |
| 6.2.3 渐近解的线性形式 |
| 6.2.4 粗骨料对渐近解的影响 |
| 6.3 试验结果分析 |
| 6.3.1 基于BEM的拟合结果 |
| 6.3.2 基于BEM的峰值荷载预测 |
| 6.3.3 基于BEM的 FPZ长度预测 |
| 6.4 本章小结 |
| 第七章 结论与展望 |
| 7.1 总结 |
| 7.2 展望 |
| 参考文献 |
| 个人简历 在读期间发表的学术论文 |
| 致谢 |
（4）基于结构光的三维视觉测量研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 课题研究背景和意义 |
| 1.1.1 课题背景 |
| 1.1.2 研究目的及意义 |
| 1.2 三维测量技术的的应用 |
| 1.3 三维测量技术 |
| 1.3.1 三维测量技术概述 |
| 1.3.2 结构光技术的研究现状 |
| 1.3.3 结构光技术的原理 |
| 1.4 点云数据配准技术 |
| 1.4.1 点云数据配准的意义及概述 |
| 1.4.2 数据配准问题的研究 |
| 1.5 课题研究的主要内容 |
| 1.6 论文的结构 |
| 第二章 系统平台的搭建以及数学模型的建立 |
| 2.1 系统的平台搭建及工作原理 |
| 2.2 摄像机模型 |
| 2.2.1 相机四大坐标转换与内外参数 |
| 2.2.2 三类相机畸变 |
| 2.3 摄像机标定类型 |
| 2.3.1 非线性摄像机标定 |
| 2.3.2 线性摄像机标定 |
| 2.4 系统成像模型 |
| 2.4.1 对极几何基本知识 |
| 2.4.2 对极几何中的基本矩阵 |
| 2.4.3 系统数学模型的建立 |
| 2.4.4 点匹配与立体匹配 |
| 2.5 本章小结 |
| 第三章 双相机标定技术以及投影编码策略 |
| 3.1 摄像机标定实验 |
| 3.1.1 单相机标定 |
| 3.1.2 双相机标定 |
| 3.1.3 相机标定的实验步骤 |
| 3.2 基于RGB圆点图案的投影编码策略 |
| 3.2.1 常见的几种投影图像编码策略 |
| 3.2.2 基于RGB的直接编码策略 |
| 3.3 本章小结 |
| 第四章 图像采集与处理 |
| 4.1 编码图像采集 |
| 4.2 图像处理以及解码 |
| 4.3 点云数据的配准 |
| 4.4 三维点云重构 |
| 4.5 本章小结 |
| 第五章 人手三维重建与系统精度 |
| 5.1 重建方法 |
| 5.2 系统精度分析 |
| 5.3 三次样条插值 |
| 5.3.1 三次样条函数的定义 |
| 5.3.2 三次样条函数的构造 |
| 5.4 重建结果 |
| 5.5 本章小结 |
| 第六章 总结与展望 |
| 6.1 全文总结 |
| 6.2 展望 |
| 参考文献 |
| 在读期间公开发表的论文 |
| 致谢 |
（5）一种单目视觉的物体深度测量方法研究（论文提纲范文）
| 摘要 |
| abstract |
| 1 绪论 |
| 1.1 选题背景与意义 |
| 1.2 国内外研究现状 |
| 1.2.1 深度信息测量方法 |
| 1.2.2 单目立体视觉研究现状 |
| 1.2.3 基于单目视觉的深度测量技术 |
| 1.3 主要研究内容 |
| 1.4 本文结构安排 |
| 2 图像预处理与图像分割 |
| 2.1 相机成像原理 |
| 2.2 图像采集与图像预处理 |
| 2.2.1 视觉过程 |
| 2.2.2 相机成像模型 |
| 2.2.3 图像预处理 |
| 2.3 改进LBF模型的图像分割 |
| 2.3.1 图像分割方法的分类 |
| 2.3.2 LBF模型 |
| 2.3.3 改进的LBF模型 |
| 2.4 本章小结 |
| 3 特征点检测算法 |
| 3.1 特征点的提取 |
| 3.1.1 FAST算法 |
| 3.1.2 Harris算法 |
| 3.1.3 SIFT算法 |
| 3.2 特征匹配 |
| 3.3 实验结果与分析 |
| 3.4 本章小结 |
| 4 改进Harris-SIFT算法与深度获取 |
| 4.1 Harris-SIFT算法概述 |
| 4.2 改进的Harris算法 |
| 4.2.1 改进的多尺度Harris算法 |
| 4.2.2 实验与分析 |
| 4.3 改进的SIFT算法 |
| 4.3.1 构造变环特征描述子的SIFT算法 |
| 4.3.2 实验与分析 |
| 4.4 物体深度获取 |
| 4.4.1 凸包原理概述 |
| 4.4.2 直线段选取 |
| 4.4.3 计算深度 |
| 4.5 本章小结 |
| 5 实验与仿真 |
| 5.1 实验准备 |
| 5.1.1 实验台示意图 |
| 5.1.2 移动物距d的范围 |
| 5.1.3 实验环境 |
| 5.2 实验过程与结果分析 |
| 5.3 不同深度测量方法对比 |
| 5.4 本章小结 |
| 6 结论 |
| 6.1 研究内容总结 |
| 6.2 未来研究展望 |
| 参考文献 |
| 攻读硕士期间发表的论文与成果 |
| 致谢 |
（6）实验室虚拟智能管家系统及物品检测关键技术研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 人工智能 |
| 1.2.1 人工智能发展概述 |
| 1.2.2 计算机视觉 |
| 1.2.3 目标检测 |
| 1.3 VR |
| 1.3.1 VR发展概况 |
| 1.3.2 VR基本概念与关键技术 |
| 1.3.3 VR的应用 |
| 1.4 本文主要内容与组织结构 |
| 第二章 系统总体设计与硬件实现 |
| 2.1 硬件平台设计与搭建 |
| 2.2 软件框架与功能设计 |
| 2.3 软件开发平台 |
| 2.3.1 Visual Studio |
| 2.3.2 OpenCV |
| 2.3.3 Unity3D |
| 2.3.4 3D MAX |
| 第三章 基于特征匹配的快速物体检测方法 |
| 3.1 特征点算法筛选 |
| 3.1.1 SIFT特征点 |
| 3.1.2 SURF特征点 |
| 3.1.3 ORB特征点 |
| 3.2 误匹配点剔除 |
| 3.2.1 Lowe's算法剔除误匹配点 |
| 3.2.2 Ransac算法筛选真匹配点 |
| 3.3 基于相似三角形的物体检测算法 |
| 3.4 算法适用性实验 |
| 3.4.1 距离与光照的影响 |
| 3.4.2 拍摄角度的影响 |
| 3.5 入库原则与算法准确率实验 |
| 第四章 基于YOLOv3的物体识别系统 |
| 4.1 卷积神经网络 |
| 4.1.1 卷积神经网络结构 |
| 4.1.2 常用卷积神经网络模型 |
| 4.2 基于深度学习的目标检测算法 |
| 4.2.1 基于区域建议的目标检测算法 |
| 4.2.2 基于回归的目标检测算法 |
| 4.2.3 算法对比 |
| 4.3 基于YOLOv3的目标检测算法实现 |
| 4.3.1 YOLOv3算法原理 |
| 4.3.2 数据集的制作 |
| 4.3.3 参数调整 |
| 第五章 智能实验室管家的VR系统 |
| 5.1 三维数据采集 |
| 5.1.1 双目立体测量原理与ZED相机采集实验 |
| 5.1.2 结构光测量原理与三维扫描仪采集实验 |
| 5.1.3 飞行时间距离测量原理与深度相机采集实验 |
| 5.2 虚拟实验室的场景制作 |
| 5.2.1 3D MAX建模 |
| 5.2.2 基于Unity 3D的实验室VR实现 |
| 5.3 虚拟实验室的交互式实现 |
| 5.3.1 基于物体检测的交互式VR物体展示 |
| 5.3.2 交互式VR物品管理 |
| 第六章 实验展示与功能测试 |
| 6.1 实验室智能管家系统调试软件 |
| 6.2 相机管理 |
| 6.3 物品管理 |
| 6.4 物品识别 |
| 6.5 VR交互式管理 |
| 6.6 实验小结 |
| 第七章 总结与展望 |
| 7.1 工作总结 |
| 7.2 未来展望 |
| 参考文献 |
| 攻读硕士学位期间论文发表情况 |
| 致谢 |
（7）三维集成成像的计算重构技术研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 选题背景及研究的目的和意义 |
| 1.2 三维计算重构的国内外研究现状 |
| 1.2.1 国外研究现状 |
| 1.2.2 国内研究现状 |
| 1.3 论文的主要研究内容及创新点 |
| 1.3.1 本文主要研究内容 |
| 1.3.2 本文创新点 |
| 第2章 集成成像计算重构 |
| 2.1 自由视点计算重构方法 |
| 2.1.1 透视视图三维计算重构 |
| 2.1.2 正交视图三维计算重构 |
| 2.2 深度面计算重构方法 |
| 2.2.1 叠加重构方法深度面重构 |
| 2.2.2 像素绘制-插值方法深度面重构 |
| 2.3 本章小结 |
| 第3章 基于无冗余图像块提取的自由视点计算重构算法 |
| 3.1 基于无冗余图像块提取的透视视图计算重构 |
| 3.1.1 微单元图像中图像块的提取 |
| 3.1.2 无冗余图像块的拼接 |
| 3.2 基于无冗余图像块提取的正交视图计算重构 |
| 3.2.1 微单元图像中图像块的提取 |
| 3.2.2 无冗余图像块的拼接 |
| 3.3 仿真实验结果与分析 |
| 3.3.1 透视视图计算重构仿真实验 |
| 3.3.2 正交视图计算重构仿真实验 |
| 3.4 光学实验结果与分析 |
| 3.4.1 透视视图计算重构光学实验 |
| 3.4.2 正交视图计算重构光学实验 |
| 3.5 本章小结 |
| 第4章 基于轴向移动透镜阵列的深度面重构算法 |
| 4.1 轴向移动透镜阵列记录系统的优势及成像原理 |
| 4.1.1 轴向移动透镜阵列记录系统的优势 |
| 4.1.2 轴向移动透镜阵列记录系统的成像原理 |
| 4.2 基于像素绘制-逆向投影的深度面重构算法 |
| 4.3 基于像素绘制-微透镜成像模型的深度面重构算法 |
| 4.4 实验结果与分析 |
| 4.5 本章小结 |
| 第5章 结论与展望 |
| 5.1 结论及创新点 |
| 5.2 展望 |
| 参考文献 |
| 攻读硕士学位期间取得的成果 |
| 致谢 |
（8）基于机器视觉的摄影机器人的目标识别与跟踪技术研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 课题来源及背景介绍 |
| 1.2 基于机器视觉的摄影机器人目标识别与跟踪关键技术 |
| 1.2.1 摄影机器人的人脸识别模块 |
| 1.2.2 摄影机器人的深度定位模块 |
| 1.2.3 基于机器视觉的摄影机器人目标跟踪模块 |
| 1.3 国内外研究现状 |
| 1.3.1 人脸识别方法的研究现状 |
| 1.3.2 深度估计方法的研究现状 |
| 1.4 课题研究意义及论文章节安排 |
| 2 轨道式摄影机器人及其运动学建模 |
| 2.1 摄影机器人工作空间需求分析 |
| 2.2 轨道式摄影机器人结构设计 |
| 2.2.1 摄影机器人轨道与底盘结构设计 |
| 2.2.2 摄影机器人三级升降系统设计 |
| 2.2.3 云台结构设计 |
| 2.2.4 摄影机器人镜头伺服传动模块设计 |
| 2.3 轨道式摄影机器人控制系统设计 |
| 2.3.1 摄影机器人控制系统硬件设计 |
| 2.3.2 摄影机器人控制系统软件实现 |
| 2.4 轨道式摄影机器人运动学建模 |
| 2.4.1 数学模型建立 |
| 2.4.2 轨道式摄影机器人正运动学求解 |
| 2.4.3 轨道式摄影机器人逆运动学求解 |
| 2.5 本章小节 |
| 3 摄影机器人人脸识别技术研究 |
| 3.1 经典人脸识别算法 |
| 3.1.1 基于局部二值模式的人脸识别算法 |
| 3.1.2 基于Siamese网络的人脸识别算法 |
| 3.2 基于Yolov3与Resnet50 人脸识别算法 |
| 3.2.1 样本集的构造 |
| 3.2.2 基于YOLOv3 人脸检测 |
| 3.2.3 基于Resnet50 的联合监督模型 |
| 3.3 实验与分析 |
| 3.4 本章小节 |
| 4 摄影机器人深度定位技术研究 |
| 4.1 摄像机标定 |
| 4.1.1 摄像机的坐标系转化 |
| 4.1.2 摄像机参数标定 |
| 4.1.3 张正友平面标定法实现摄影机器人摄像机参数标定 |
| 4.2 一种基于人脸特征的深度定位算法 |
| 4.2.1 人脸典型特征提取 |
| 4.2.2 基于相似三角形的深度定位算法 |
| 4.2.3 基于瞳距与相似三角形的人脸深度定位 |
| 4.2.4 实验与分析 |
| 4.3 算法改进 |
| 4.4 本章小节 |
| 5 基于机器视觉的摄影机器人目标识别与跟踪技术研究 |
| 5.1 摄影机器人目标识别与跟踪性能评价指标 |
| 5.2 摄影机器人理想的目标识别与跟踪方法分析 |
| 5.2.1 一种理想的摄影机器人目标识别与跟踪方法 |
| 5.2.2 方法的分析与评估 |
| 5.3 虚拟演播室下摄影机器人的目标识别与跟踪算法研究 |
| 5.3.1 虚拟演播室下摄影机器人目标识别与跟踪的需求分析 |
| 5.3.2 一种虚拟演播室下摄影机器人目标识别与跟踪方案 |
| 5.4 实验与分析 |
| 5.4.1 目标跟踪的边界框与云台转角阈值的确定 |
| 5.4.2 摄影机器人跟踪过程中关节运动量验证实验 |
| 5.4.3 摄影机器人目标识别与跟踪实验 |
| 5.4.4 算法改进 |
| 5.5 本章小结 |
| 6 工作总结与展望 |
| 6.1 工作总结 |
| 6.2 未来展望 |
| 致谢 |
| 参考文献 |
| 附录 |
（9）基于激光位移传感器的焊缝跟踪方法和障碍物识别技术研究（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 课题的研究背景及意义 |
| 1.2 焊缝跟踪国内外研究现状 |
| 1.3 障碍物识别国内外研究现状 |
| 1.4 本文主要研究内容 |
| 第2章 激光位移传感器的理论设计 |
| 2.1 焊缝跟踪传感器的分类 |
| 2.2 激光位移传感器的测量原理 |
| 2.3 激光位移传感器光路参数设计 |
| 2.4 转镜扫描系统 |
| 2.5 CCD的选择 |
| 2.6 激光光强自适应系统 |
| 2.6.1 激光光强自适应系统的意义 |
| 2.6.2 激光光强自适应系统的原理 |
| 2.6.3 系统主要算法描述与函数说明 |
| 2.7 本章小节 |
| 第3章 基于激光位移传感器的焊缝跟踪方法 |
| 3.1 引言 |
| 3.2 基于激光位移传感器焊缝跟踪的模型及算法 |
| 3.2.1 焊缝跟踪时出现中偏右的情况 |
| 3.2.2 焊缝跟踪时出现中偏左的情况 |
| 3.2.3 焊缝跟踪时出现左偏左的情况 |
| 3.2.4 焊缝跟踪时出现左偏右的情况 |
| 3.2.5 焊缝跟踪时出现右偏左的情况 |
| 3.2.6 焊缝跟踪时出现右偏右的情况 |
| 3.3 一种焊枪姿态调节方法实例分析 |
| 3.3.1 焊枪姿态调节方法介绍 |
| 3.3.2 焊枪姿态调节方法系统及实施方式 |
| 3.4 本章小节 |
| 第4章 基于贝叶斯轮廓分类大梁障碍物识别方法 |
| 4.1 引言 |
| 4.1.1 焊缝障碍物识别原理 |
| 4.2 试验装置及障碍物轮廓提取 |
| 4.2.1 试验装置 |
| 4.2.2 左右差分差值法 |
| 4.3 障碍物轮廓线形状描述和贝叶斯分类 |
| 4.3.1 轮廓曲线形状描述 |
| 4.3.2 面积周长比函数 |
| 4.3.3 贝叶斯分类 |
| 4.4 试验与数据分析 |
| 4.4.1 大梁障碍物扫描数据 |
| 4.4.2 试验结果与分析 |
| 4.4.3 实时性分析 |
| 4.4.4 准确率试验 |
| 4.5 本章小节 |
| 第5章 激光位移传感器焊缝跟踪平台及验证性实验 |
| 5.1 实验平台介绍 |
| 5.2 六种偏差情况的激光位移传感器扫描数据 |
| 5.2.1 中偏右 |
| 5.2.2 中偏左 |
| 5.2.3 左偏左 |
| 5.2.4 左偏右 |
| 5.2.5 右偏右 |
| 5.2.6 右偏左 |
| 5.3 焊缝跟踪实验 |
| 5.3.1 实验方案与焊接参数的设计 |
| 5.3.2 焊缝跟踪效果分析 |
| 5.4 本章小节 |
| 结论与展望 |
| 参考文献 |
| 致谢 |
| 附录 (攻读硕士学位期间的研究成果) |
（10）《相似三角形的应用》微课设计（论文提纲范文）
| ●微课选题分析 |
| ●微课设计思路 |
| ●微课设计过程 |
| 1.教学目标 |
| 2.教学重难点 |
| 3.微课脚本设计 |
| ●微课制作过程 |
| 1.选题 |
| 2.分析学情 |
| 3.编写微课视频结构脚本 |
| 4.制定自主学习任务单 |
| 5.采集素材 |
| 6.录制视频 |
| 7.后期剪辑 |
| ●微课的教学应用效果及反思 |
| 1.教学应用效果 |
| 2.教学反思 |
| 点评 |
| 1.导入新颖 |
| 2.环节紧凑 |
| 3.总结到位 |
四、光学与相似三角形（论文参考文献）
- [1]基于透镜阵列的轴对中检测技术研究[D]. 于洋. 长春理工大学, 2021(02)
- [2]基于语义分割的城区激光点云与光学影像配准[J]. 朱颖,赵明. 光子学报, 2021(01)
- [3]C40自密实混凝土Ⅰ型断裂力学性能研究[D]. 张天柱. 华东交通大学, 2020(06)
- [4]基于结构光的三维视觉测量研究[D]. 潘臻. 山东理工大学, 2020(02)
- [5]一种单目视觉的物体深度测量方法研究[D]. 来玉凤. 西安工业大学, 2020(04)
- [6]实验室虚拟智能管家系统及物品检测关键技术研究[D]. 李钇璇. 华中师范大学, 2020(01)
- [7]三维集成成像的计算重构技术研究[D]. 孟涛涛. 长春理工大学, 2020(01)
- [8]基于机器视觉的摄影机器人的目标识别与跟踪技术研究[D]. 陈凯. 南京理工大学, 2020(01)
- [9]基于激光位移传感器的焊缝跟踪方法和障碍物识别技术研究[D]. 唐碧波. 湘潭大学, 2019(02)
- [10]《相似三角形的应用》微课设计[J]. 王双. 中国信息技术教育, 2019(Z1)