| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 引言 | 第11-21页 |
| 1.1 研究背景及意义 | 第11-13页 |
| 1.2 相关领域国内外研究现状 | 第13-19页 |
| 1.2.1 机器视觉国内外研究现状 | 第13-15页 |
| 1.2.2 目标检测国内外研究现状 | 第15-17页 |
| 1.2.3 手眼标定国内外研究现状 | 第17-18页 |
| 1.2.4 物体抓取国内外研究现状 | 第18-19页 |
| 1.3 本论文主要内容和章节安排 | 第19-21页 |
| 第2章 基于Faster R-CNN模型的目标检测系统 | 第21-32页 |
| 2.1 Faster R-CNN模型介绍 | 第21-27页 |
| 2.1.1 区域建议网络(Region Proposal Networks) | 第22-23页 |
| 2.1.2 锚(Anchor) | 第23-24页 |
| 2.1.3 损失函数(Loss Function) | 第24-25页 |
| 2.1.4 训练RPNs(Training RPNs) | 第25-26页 |
| 2.1.5 共享RPN和Fast R-CNN的特征 | 第26页 |
| 2.1.6 4步交替训练(4-Step Alternating Training) | 第26-27页 |
| 2.2 Faster R-CNN模型训练 | 第27-31页 |
| 2.2.1 物体图像采集 | 第27-28页 |
| 2.2.2 物体图像标注 | 第28-30页 |
| 2.2.3 训练Faster R-CNN模型 | 第30-31页 |
| 2.3 本章小结 | 第31-32页 |
| 第3章 基于Kinect2相机的物体定位系统 | 第32-44页 |
| 3.1 Kinect2获取彩色图像及深度图像 | 第32-33页 |
| 3.2 Kinect2相机标定 | 第33页 |
| 3.3 坐标系简介 | 第33-39页 |
| 3.3.1 相机坐标系转换到图像坐标系 | 第34-35页 |
| 3.3.2 相机坐标系转换到像素坐标系 | 第35-36页 |
| 3.3.3 世界坐标系转换到像素坐标系 | 第36-37页 |
| 3.3.4 像素坐标系转换到基坐标系 | 第37-39页 |
| 3.4 Kinect2相机标定实验及结果 | 第39-43页 |
| 3.4.1 标定图像采集 | 第39-41页 |
| 3.4.2 标定过程 | 第41页 |
| 3.4.3 像素坐标系转换到机器人基坐标系 | 第41-43页 |
| 3.5 本章小结 | 第43-44页 |
| 第4章 系统集成与实验 | 第44-57页 |
| 4.1 机器人实验平台 | 第44-48页 |
| 4.1.1 机器人 | 第44-45页 |
| 4.1.2 Reflex机械手爪及其使用方法 | 第45-48页 |
| 4.1.3 机器人D-H参数 | 第48页 |
| 4.2 机器人正向运动学建模 | 第48-49页 |
| 4.3 机器人逆向运动学建模 | 第49-51页 |
| 4.4 机器人运动控制系统 | 第51页 |
| 4.5 实验 | 第51-56页 |
| 4.5.1 目标检测实验 | 第52-53页 |
| 4.5.2 物体抓取实验 | 第53-55页 |
| 4.5.3 实验结果分析 | 第55-56页 |
| 4.6 本章小结 | 第56-57页 |
| 第5章 结论与展望 | 第57-59页 |
| 5.1 结论 | 第57-58页 |
| 5.2 研究展望 | 第58-59页 |
| 参考文献 | 第59-63页 |
| 致谢 | 第63-64页 |
| 作者简历及攻读学位期间发表的学术论文与研究成果 | 第64-65页 |
