基于机器人视觉的多类型工件识别与定位问题研究
| 摘要 | 第4-5页 |
| abstract | 第5页 |
| 第一章 绪论 | 第12-19页 |
| 1.1 研究背景和意义 | 第12-14页 |
| 1.2 国内外研究现状分析 | 第14-16页 |
| 1.2.1 机器视觉概述 | 第14-15页 |
| 1.2.2 视觉识别和定位技术发展现状 | 第15-16页 |
| 1.3 研究目的及内容 | 第16-18页 |
| 1.3.1 研究目的 | 第16页 |
| 1.3.2 研究内容 | 第16-18页 |
| 1.4 小结 | 第18-19页 |
| 第二章 视觉系统的构建和标定 | 第19-30页 |
| 2.1 双目视觉系统的构建 | 第19-21页 |
| 2.1.1 视觉传感器的选型 | 第19-20页 |
| 2.1.2 视觉系统的搭建 | 第20-21页 |
| 2.2 视觉系统的标定 | 第21-27页 |
| 2.2.1 坐标系及转换关系 | 第21-23页 |
| 2.2.2 相机的内外参数和成像模型 | 第23-25页 |
| 2.2.3 相机的标定方法 | 第25-27页 |
| 2.3 基于Halcon的标定实验 | 第27-29页 |
| 2.3.1 Halcon简介 | 第27页 |
| 2.3.2 双目视觉系统标定过程 | 第27-29页 |
| 2.4 小结 | 第29-30页 |
| 第三章 多类型工件的识别方法研究 | 第30-45页 |
| 3.1 目标识别概述 | 第30-32页 |
| 3.2 预处理方法研究 | 第32-37页 |
| 3.2.1 图像噪声 | 第32-33页 |
| 3.2.2 图像滤波 | 第33-34页 |
| 3.2.3 中心点邻域滤波方法的提出 | 第34-36页 |
| 3.2.4 直方图均衡化增强图像 | 第36-37页 |
| 3.3 边缘特征提取 | 第37-39页 |
| 3.3.1 Otsu算法分割图像 | 第37-38页 |
| 3.3.2 Canny算子提取轮廓特征 | 第38-39页 |
| 3.4 基于轮廓特征识别方法 | 第39-42页 |
| 3.4.1 轮廓形状描述符 | 第40页 |
| 3.4.2 基于轮廓矩特征的匹配 | 第40-42页 |
| 3.5 目标识别实验 | 第42-44页 |
| 3.6 小结 | 第44-45页 |
| 第四章 工件的三维位姿计算 | 第45-57页 |
| 4.1 三维重建的原理 | 第45-46页 |
| 4.2 图像匹配 | 第46-49页 |
| 4.2.1 Harris亚像素角点提取 | 第47-48页 |
| 4.2.2 差分求和定理改进NCC算法 | 第48页 |
| 4.2.3 快速聚类法提纯匹配点 | 第48-49页 |
| 4.3 改进的基础矩阵估计算法 | 第49-50页 |
| 4.3.1 Hartley 8点法 | 第49页 |
| 4.3.2 改进的Hartley 8点法 | 第49-50页 |
| 4.4 算法比较 | 第50-52页 |
| 4.4.1 基础矩阵准确性评价指标 | 第50-51页 |
| 4.4.2 标准图像的匹配结果比较 | 第51-52页 |
| 4.5 位姿计算 | 第52-54页 |
| 4.5.1 空间射线求交原理 | 第52-53页 |
| 4.5.2 三维位姿估计 | 第53-54页 |
| 4.6 工件定位实验 | 第54-56页 |
| 4.7 小结 | 第56-57页 |
| 第五章 机器人视觉搬运系统开发与实验 | 第57-67页 |
| 5.1 视觉搬运系统的硬件组成 | 第57-58页 |
| 5.2 自动化系统整体设计 | 第58-66页 |
| 5.2.1 Halcon与C++混合编程 | 第58-59页 |
| 5.2.2 图像处理功能模块设计 | 第59-65页 |
| 5.2.3 机器人端程序设计 | 第65-66页 |
| 5.3 小结 | 第66-67页 |
| 第六章 总结与展望 | 第67-69页 |
| 6.1 总结 | 第67页 |
| 6.2 展望 | 第67-69页 |
| 参考文献 | 第69-73页 |
| 致谢 | 第73-74页 |
| 在学期间的研究成果及发表的学术论文 | 第74页 |
