| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-17页 |
| 1.1 课题研究背景及意义 | 第9-10页 |
| 1.1.1 课题来源 | 第9页 |
| 1.1.2 课题研究背景与意义 | 第9-10页 |
| 1.2 国内外研究现状和趋势 | 第10-15页 |
| 1.2.1 机器视觉技术研究现状 | 第10-12页 |
| 1.2.2 基于视觉的分拣系统研究现状 | 第12-15页 |
| 1.3 主要研究内容 | 第15-17页 |
| 第2章 基于Kinect的图像处理算法研究 | 第17-34页 |
| 2.1 引言 | 第17页 |
| 2.2 Kinect介绍 | 第17-19页 |
| 2.2.1 Kinect简介 | 第17页 |
| 2.2.2 Kinect深度信息生成原理及缺陷 | 第17-19页 |
| 2.3 Kinect深度信息预处理算法 | 第19-23页 |
| 2.3.1 Kinect深度信息修复 | 第19-20页 |
| 2.3.2 Kinect深度信息降噪 | 第20-23页 |
| 2.4 Kinect彩色图像预处理算法 | 第23-33页 |
| 2.4.1 目标分割算法 | 第23-30页 |
| 2.4.2 目标轮廓提取 | 第30-32页 |
| 2.4.3 轮廓提取精度分析 | 第32-33页 |
| 2.5 本章小结 | 第33-34页 |
| 第3章 基于形状特征的目标特征提取与识别 | 第34-54页 |
| 3.1 引言 | 第34页 |
| 3.2 特征提取算法研究 | 第34-38页 |
| 3.3 特征提取结果与分析 | 第38-43页 |
| 3.4 基于模糊聚类的特征融合算法研究 | 第43-46页 |
| 3.5 目标识别算法及结果分析 | 第46-53页 |
| 3.5.1 分类器选择 | 第46-49页 |
| 3.5.2 识别结果分析 | 第49-53页 |
| 3.6 本章小结 | 第53-54页 |
| 第4章 视觉系统标定及误差分析 | 第54-63页 |
| 4.1 引言 | 第54页 |
| 4.2 视觉系统标定 | 第54-59页 |
| 4.3 视觉系统标定误差分析 | 第59-62页 |
| 4.3.1 视觉系统标定结果 | 第59-60页 |
| 4.3.2 视觉系统定位误差分析与补偿 | 第60-62页 |
| 4.4 本章小结 | 第62-63页 |
| 第5章 基于Baxter双臂机器人的智能分拣系统搭建与实验研究 | 第63-72页 |
| 5.1 引言 | 第63页 |
| 5.2 智能分拣系统搭建 | 第63-68页 |
| 5.2.1 智能分拣系统软硬件平台介绍 | 第63-65页 |
| 5.2.2 智能分拣系统总体规划与平台搭建 | 第65-68页 |
| 5.3 分拣实验及分析 | 第68-71页 |
| 5.4 本章小结 | 第71-72页 |
| 结论 | 第72-73页 |
| 参考文献 | 第73-77页 |
| 致谢 | 第77页 |