基于BP神经网络的机器人视觉伺服控制系统设计
| 摘要 | 第1-6页 |
| Abstract | 第6-11页 |
| 第1章 绪论 | 第11-21页 |
| ·机器人技术的发展 | 第11-14页 |
| ·机器人视觉伺服系统概述 | 第14-17页 |
| ·机器人伺服系统结构分析 | 第14-16页 |
| ·机器人视觉伺服主要研究内容 | 第16-17页 |
| ·机器人视觉伺服的图像处理概述 | 第17-18页 |
| ·人工神经网络技术概述 | 第18-20页 |
| ·人工神经网络的发展 | 第18-19页 |
| ·人工神经网络的发展趋势 | 第19页 |
| ·我国神经网络研究现状 | 第19页 |
| ·人工神经网络在机器人上的应用 | 第19-20页 |
| ·课题来源及主要研究内容 | 第20-21页 |
| 第2章 机器人视觉伺服控制系统体系结构 | 第21-32页 |
| ·视觉伺服机器人系统结构设计 | 第21页 |
| ·机器人视觉伺服控制系统组成 | 第21-23页 |
| ·机器人本体及运动控制模块 | 第23-27页 |
| ·SCARA 机器人本体结构 | 第23-24页 |
| ·运动控制模块组成 | 第24-25页 |
| ·机器人运动控制模块软件结构 | 第25-27页 |
| ·机器人视频采集系统设计 | 第27-29页 |
| ·摄像头性能参数 | 第28页 |
| ·图像采集卡技术参数 | 第28-29页 |
| ·主控制系统的程序设计 | 第29-31页 |
| ·本章小结 | 第31-32页 |
| 第3章 视觉伺服的图像处理 | 第32-48页 |
| ·色彩空间分析 | 第32-35页 |
| ·RGB 模型 | 第32-33页 |
| ·YUV 颜色模型 | 第33页 |
| ·HSV 颜色模型 | 第33-34页 |
| ·色彩空间比较分析 | 第34-35页 |
| ·图像预处理 | 第35-36页 |
| ·彩色图像识别 | 第35页 |
| ·彩色图像灰度化 | 第35页 |
| ·图像滤波 | 第35-36页 |
| ·图像二值化处理 | 第36-39页 |
| ·图像分割 | 第39-43页 |
| ·并行边界分割 | 第39-42页 |
| ·串行边界分割 | 第42-43页 |
| ·区域分割 | 第43页 |
| ·目标特征的提取 | 第43-46页 |
| ·质心坐标计算 | 第44页 |
| ·基于圆拟合的高精度质心计算方法 | 第44-46页 |
| ·图像处理程序流程 | 第46-47页 |
| ·本章小结 | 第47-48页 |
| 第4章 机器人运动学分析及路径规划 | 第48-55页 |
| ·视觉伺服机器人系统结构 | 第48-49页 |
| ·SCARA 机器人的齐次坐标系 | 第49-50页 |
| ·机器人路径规划方法综述 | 第50页 |
| ·无障碍环境下机器人路径规划方法 | 第50-52页 |
| ·点位控制方法 | 第51页 |
| ·连续轨迹控制方法 | 第51-52页 |
| ·基于CP 的机器人路径规划方法 | 第52-54页 |
| ·本章小结 | 第54-55页 |
| 第5章 基于BP 神经网络的视觉伺服控制器设计 | 第55-68页 |
| ·机器人视觉伺服系统的任务分析 | 第55页 |
| ·机器人视觉伺服标定技术研究 | 第55-59页 |
| ·摄像机成像模型及误差分析 | 第55-57页 |
| ·标定方法概述 | 第57-58页 |
| ·无标定机器人视觉伺服系统的研究 | 第58-59页 |
| ·视觉伺服系统控制结构的选择 | 第59页 |
| ·机器人视觉伺服误差关系分析 | 第59-60页 |
| ·人工神经网络的结构选择 | 第60-61页 |
| ·基于BP 神经网络的机器人视觉伺服控制器 | 第61-66页 |
| ·神经网络输入输出选择 | 第61页 |
| ·BP 神经网络层与隐含层神经元数的确定 | 第61-63页 |
| ·神经网络的学习 | 第63-66页 |
| ·机器人视觉伺服控制系统实验 | 第66-67页 |
| ·本章小结 | 第67-68页 |
| 结论 | 第68-69页 |
| 参考文献 | 第69-73页 |
| 攻读硕士学位期间发表的学术论文 | 第73-74页 |
| 致谢 | 第74页 |
