基于单目视觉的机器人目标识别定位算法研究
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 课题背景及意义 | 第9-10页 |
| 1.2 国内外研究 | 第10-13页 |
| 1.3 研究目的和内容 | 第13-15页 |
| 1.3.1 研究目的 | 第13-14页 |
| 1.3.2 研究内容 | 第14-15页 |
| 第二章 工件图像获取与预处理 | 第15-28页 |
| 2.1 图像获取 | 第15-16页 |
| 2.2 消噪处理 | 第16-18页 |
| 2.2.1 掩模法 | 第16-17页 |
| 2.2.2 邻域平均法 | 第17页 |
| 2.2.3 中值滤波 | 第17-18页 |
| 2.3 图像分割 | 第18-23页 |
| 2.3.1 图像分割概述 | 第18页 |
| 2.3.2 传统图像分割方法 | 第18-19页 |
| 2.3.3 基于数学形态学图像分割 | 第19-21页 |
| 2.3.4 实验结果与分析 | 第21-23页 |
| 2.4 彩色图像分割 | 第23-27页 |
| 2.4.1 颜色模型 | 第23-25页 |
| 2.4.2 改进分水岭分割 | 第25-26页 |
| 2.4.3 实验结果 | 第26-27页 |
| 2.5 本章小结 | 第27-28页 |
| 第三章 基于图像匹配的目标识别 | 第28-41页 |
| 3.1 图像识别概述 | 第28页 |
| 3.2 目标识别图像匹配算法 | 第28-30页 |
| 3.3 基于小波不变矩的识别 | 第30-35页 |
| 3.3.1 矩和不变矩 | 第31-33页 |
| 3.3.2 矩特征的一般表达式 | 第33-34页 |
| 3.3.3 小波矩不变量 | 第34-35页 |
| 3.4 小波矩识别算法实现 | 第35-37页 |
| 3.4.1 归一化处理 | 第35页 |
| 3.4.2 图像极坐标化 | 第35页 |
| 3.4.3 特征提取与选择 | 第35-36页 |
| 3.4.4 最小距离分类器的模式匹配 | 第36-37页 |
| 3.5 实验及结果分析 | 第37-40页 |
| 3.6 本章小结 | 第40-41页 |
| 第四章 基于单目视觉的目标定位 | 第41-50页 |
| 4.1 引言 | 第41页 |
| 4.2 单目摄像机的目标定位原理 | 第41-44页 |
| 4.3 摄像机标定方法 | 第44-47页 |
| 4.3.1 传统摄像机标定方法 | 第44页 |
| 4.3.2 摄像机自标定方法 | 第44-45页 |
| 4.3.3 基于平面模板的摄像机两步标定法 | 第45-47页 |
| 4.4 目标定位方法 | 第47-48页 |
| 4.5 目标定位参数求解实验 | 第48-49页 |
| 4.6 本章小结 | 第49-50页 |
| 第五章 单目视觉机器人智能抓取实验研究 | 第50-59页 |
| 5.1 单目视觉机器人的硬件系统 | 第50-54页 |
| 5.1.1 工业机器人本体 | 第51-52页 |
| 5.1.2 单目CCD摄像机 | 第52页 |
| 5.1.3 图像采集卡 | 第52-53页 |
| 5.1.4 运动控制装置 | 第53-54页 |
| 5.2 单目视觉机器人的软件系统 | 第54-55页 |
| 5.3 实验及结果分析 | 第55-57页 |
| 5.3.1 工件识别与定位 | 第55-56页 |
| 5.3.2 抓取规划 | 第56-57页 |
| 5.4 本章小结 | 第57-59页 |
| 结论 | 第59-61页 |
| 致谢 | 第61-62页 |
| 参考文献 | 第62-66页 |
| 攻读硕士期间发表的学术论文 | 第66页 |
