| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第11-21页 |
| 1.1 课题研究背景及意义 | 第11页 |
| 1.2 视觉传感器及图像配准算法研究现状 | 第11-18页 |
| 1.2.1 视觉传感器研究现状 | 第11-13页 |
| 1.2.2 视觉传感器功能现状 | 第13-14页 |
| 1.2.3 图像配准算法 | 第14-18页 |
| 1.3 本文研究工作和结构安排 | 第18-21页 |
| 第二章 视觉传感器系统整体架构 | 第21-27页 |
| 2.1 视觉传感器功能需求及整体架构规划 | 第21-22页 |
| 2.2 视觉传感器底层硬件架构 | 第22-23页 |
| 2.3 视觉传感器底层固件架构 | 第23-25页 |
| 2.4 图形化编程环境架构 | 第25-26页 |
| 2.5 本章小结 | 第26-27页 |
| 第三章 基于匹配对提纯的改进图像配准算法 | 第27-65页 |
| 3.1 基于多重约束提纯的改进ORB算法 | 第27-39页 |
| 3.1.1 ORB算法 | 第27-29页 |
| 3.1.2 改进ORB算法 | 第29-33页 |
| 3.1.3 改进ORB算法的实验结果及分析 | 第33-39页 |
| 3.2 基于匹配质量提纯的改进D-Nets算法 | 第39-51页 |
| 3.2.1 D-Nets算法 | 第40-42页 |
| 3.2.2 改进D-Nets算法 | 第42-45页 |
| 3.2.3 改进D-Nets算法的实验结果及分析 | 第45-51页 |
| 3.3 结合局部特征及全局信息的DNP提纯算法 | 第51-64页 |
| 3.3.1 DNP提纯算法 | 第52-56页 |
| 3.3.2 DNP提纯算法的实验结果及分析 | 第56-64页 |
| 3.4 本章小结 | 第64-65页 |
| 第四章 视觉应用工具算法及实现 | 第65-80页 |
| 4.1 目标定位 | 第65-70页 |
| 4.1.1 摄像机标定 | 第65-68页 |
| 4.1.2 基于轮廓形状的定位 | 第68-70页 |
| 4.2 一维条码识别 | 第70-74页 |
| 4.2.1 EAN-13码预处理 | 第70-71页 |
| 4.2.2 EAN-13码定位 | 第71-72页 |
| 4.2.3 EAN-13码识别 | 第72-73页 |
| 4.2.4 EAN-13码读取实验 | 第73-74页 |
| 4.3 二维条码识别 | 第74-79页 |
| 4.3.1 QR码定位 | 第75-76页 |
| 4.3.2 QR码校正 | 第76-77页 |
| 4.3.3 QR码识别 | 第77页 |
| 4.3.4 QR码读取实验 | 第77-79页 |
| 4.4 本章小结 | 第79-80页 |
| 第五章 视觉传感器系统软件实现 | 第80-90页 |
| 5.1 底层固件功能及实现 | 第80-82页 |
| 5.1.1 基于观察者模式的消息传递机制实现 | 第81页 |
| 5.1.2 基于策略模式的图像预处理实现 | 第81-82页 |
| 5.2 统一通讯框架 | 第82-85页 |
| 5.3 图形化编程环境功能及实现 | 第85-89页 |
| 5.3.1 基于组合模式的作业管理实现 | 第86-87页 |
| 5.3.2 基于模板模式的视觉应用工具集成框架实现 | 第87页 |
| 5.3.3 基于外观模式的离线仿真实现 | 第87-88页 |
| 5.3.4 主界面 | 第88-89页 |
| 5.4 本章小结 | 第89-90页 |
| 第六章 视觉传感器实验及分析 | 第90-103页 |
| 6.1 视觉传感器样机 | 第90-91页 |
| 6.2 视觉传感器功能测试 | 第91-93页 |
| 6.3 直角坐标机器人视觉辅助对位 | 第93-97页 |
| 6.4 移动机器人二维码识别 | 第97-100页 |
| 6.5 关节机器人定位引导 | 第100-102页 |
| 6.6 本章小结 | 第102-103页 |
| 总结与展望 | 第103-105页 |
| 参考文献 | 第105-113页 |
| 攻读硕士学位期间取得的研究成果 | 第113-115页 |
| 致谢 | 第115-116页 |
| 附件 | 第116页 |