基于视觉的多机器人协调控制研究
摘要 | 第1-5页 |
Abstract | 第5-10页 |
第一章 绪论 | 第10-15页 |
·课题背景 | 第10-11页 |
·国内外象棋机器人的发展概况 | 第11-12页 |
·国外研究现状 | 第11-12页 |
·国内研究现状 | 第12页 |
·国内外研究现状分析 | 第12页 |
·主要研究内容 | 第12-13页 |
·论文结构安排 | 第13-14页 |
·本章小结 | 第14-15页 |
第二章 计算机象棋对弈程序设计 | 第15-27页 |
·计算机对弈程序介绍 | 第15-17页 |
·棋盘棋子的表示 | 第15-17页 |
·棋盘棋子的显示 | 第17页 |
·搜索算法的设计 | 第17-19页 |
·估值与优化 | 第19-21页 |
·估值函数 | 第19-20页 |
·估值函数优化 | 第20-21页 |
·棋子坐标的提取和转换 | 第21-24页 |
·用户下棋坐标的提取 | 第22页 |
·计算机下棋坐标的提取 | 第22-23页 |
·鼠标位置的判断 | 第23-24页 |
·吃子事件的判断 | 第24-26页 |
·用户吃子的判断 | 第24-25页 |
·计算机吃子的判断 | 第25-26页 |
·本章小结 | 第26-27页 |
第三章 棋子图像的获取及处理 | 第27-40页 |
·图像的获取 | 第27-28页 |
·图像获取硬件 | 第27页 |
·基于视觉的开发构架 | 第27-28页 |
·图像处理 | 第28-34页 |
·图像去噪 | 第28-29页 |
·图像变换 | 第29-30页 |
·图像提取连通域 | 第30-32页 |
·图像分割 | 第32-33页 |
·数字形态学 | 第33-34页 |
·特征提取 | 第34-38页 |
·区域特征 | 第34-36页 |
·灰度值特征 | 第36-37页 |
·连通域中空洞特征 | 第37页 |
·连通域的个数 | 第37-38页 |
·字符分类 | 第38-39页 |
·本章小结 | 第39-40页 |
第四章 基于BP神经网络的棋子识别及定位 | 第40-52页 |
·人工神经网络 | 第40-41页 |
·神经网络基础 | 第40-41页 |
·人工神经网络特点及应用 | 第41页 |
·神经网络算法原理 | 第41-43页 |
·BP神经网络 | 第43-47页 |
·BP神经网络学习过程 | 第43-44页 |
·BP神经网络识别算法 | 第44-47页 |
·识别实验 | 第47-48页 |
·识别整体过程 | 第47页 |
·识别过程 | 第47-48页 |
·棋子定位 | 第48-51页 |
·坐标转换算法 | 第48-49页 |
·棋子定位结果 | 第49-50页 |
·误差分析及改进 | 第50-51页 |
·本章小结 | 第51-52页 |
第五章 双机器人协调运动控制的设计 | 第52-63页 |
·机器人系统集成与控制设计 | 第52-54页 |
·机器人作业模块 | 第53页 |
·气缸/抓手控制模块 | 第53页 |
·伺服电机控制模块 | 第53页 |
·状态监控模块 | 第53页 |
·本地操作模块 | 第53页 |
·网络及串行接口模块 | 第53-54页 |
·双机协调机器人系统组成 | 第54页 |
·系统结构 | 第54-56页 |
·分散控制与集中控制 | 第54页 |
·集散控制 | 第54-55页 |
·协调控制体系结构 | 第55-56页 |
·双机器坐标 | 第56-57页 |
·单个机器人坐标系 | 第56页 |
·双机器人协调的坐标系 | 第56-57页 |
·协调策略 | 第57-60页 |
·主对协调控制 | 第58页 |
·碰撞检测 | 第58-60页 |
·实验 | 第60-62页 |
·本章小结 | 第62-63页 |
第六章 总体系统调试 | 第63-72页 |
·基于视觉的双机器人协调下棋系统 | 第63-65页 |
·机器人走棋控制设计 | 第65-67页 |
·走棋控制思路 | 第65页 |
·走棋过程分解 | 第65-66页 |
·走棋程序命名 | 第66-67页 |
·系统实验平台构建 | 第67页 |
·硬件平台 | 第67页 |
·软件平台 | 第67页 |
·系统实验 | 第67-71页 |
·摆棋实验 | 第67-70页 |
·下棋实验 | 第70-71页 |
·本章小结 | 第71-72页 |
第七章 总结与展望 | 第72-74页 |
参考文献 | 第74-77页 |
致谢 | 第77-78页 |
作者攻读硕士期间的科研成果 | 第78页 |