| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第10-17页 |
| 1.1 引言 | 第10-11页 |
| 1.2 国内外研究现状及发展趋势 | 第11-16页 |
| 1.2.1 基于位置的视觉伺服控制 | 第11-12页 |
| 1.2.2 基于图像的视觉伺服控制 | 第12-14页 |
| 1.2.3 混合式视觉伺服控制 | 第14页 |
| 1.2.4 无标定的视觉伺服控制 | 第14-16页 |
| 1.3 本文研究内容与结构 | 第16-17页 |
| 第2章 机械臂视觉伺服基础 | 第17-29页 |
| 2.1 机械臂的位姿描述 | 第17-21页 |
| 2.1.1 坐标系变换 | 第17-19页 |
| 2.1.2 机械臂D-H表示法 | 第19-21页 |
| 2.2 机械臂雅可比矩阵的推导 | 第21-23页 |
| 2.3 机械臂视觉系统 | 第23-27页 |
| 2.3.1 摄像机透视投影成像模型 | 第23-24页 |
| 2.3.2 摄像机参数的标定 | 第24-26页 |
| 2.3.3 摄像机标定实验 | 第26-27页 |
| 2.4 图像雅可比矩阵的推导 | 第27-29页 |
| 第3章 基于最小二乘法的无标定视觉伺服控制 | 第29-39页 |
| 3.1 基于拟牛顿法的视觉伺服控制方法 | 第29-32页 |
| 3.1.1 静态目标下的视觉伺服控制算法 | 第31页 |
| 3.1.2 运动目标下的视觉伺服控制算法 | 第31-32页 |
| 3.2 动态Broyden方法在线估计雅可比矩阵 | 第32-34页 |
| 3.3 基于拟牛顿法的无标定视觉伺服算法 | 第34-35页 |
| 3.4 图像雅可比矩阵伪逆的在线估计 | 第35-36页 |
| 3.5 基于卡尔曼滤波的图像雅可比矩阵的在线估计 | 第36-38页 |
| 3.5.1 基于卡尔曼滤波的图像雅可比矩阵在线估计 | 第36-37页 |
| 3.5.2 基于自适应卡尔曼滤波的图像雅可比矩阵在线估计算法 | 第37-38页 |
| 3.6 本章小结 | 第38-39页 |
| 第4章 基于图像的无标定视觉伺服控制仿真实现 | 第39-50页 |
| 4.1 基于最小二乘法的无标定视觉伺服算法仿真实现 | 第39-47页 |
| 4.1.1 静止目标定位任务 | 第40-46页 |
| 4.1.2 运动目标跟踪任务仿真实现 | 第46-47页 |
| 4.2 卡尔曼滤波在线估计的仿真实现 | 第47-48页 |
| 4.2.1 静止目标定位任务 | 第47-48页 |
| 4.2.2 运动目标跟踪任务 | 第48页 |
| 4.3 仿真结果分析与比较 | 第48-50页 |
| 第5章 混合式视觉伺服方法 | 第50-65页 |
| 5.1 基于图像雅可比矩阵分解的分离式视觉方法 | 第51-53页 |
| 5.2 基于单应性矩阵分解的混合视觉方法 | 第53-58页 |
| 5.2.1 单应性矩阵的求解与分解 | 第53-56页 |
| 5.2.2 基于单应性矩阵分解的混合视觉控制器设计 | 第56-58页 |
| 5.3 基于ViSP视觉伺服平台的机械臂仿真实现 | 第58-63页 |
| 5.3.1 单应性矩阵的求解 | 第59-60页 |
| 5.3.2 基于图像的Viper850机械臂视觉伺服控制仿真 | 第60-62页 |
| 5.3.3 Viper850机械臂混合视觉伺服仿真 | 第62-63页 |
| 5.4 本章小结 | 第63-65页 |
| 结论与展望 | 第65-67页 |
| 参考文献 | 第67-72页 |
| 攻读学位期间发表论文与研究成果清单 | 第72-73页 |
| 致谢 | 第73页 |
