工业机器人作业目标的视觉识别与定位研究
摘要 | 第4-5页 |
abstract | 第5-6页 |
1 绪论 | 第10-16页 |
1.1 研究目的及研究意义 | 第10-11页 |
1.1.1 研究目的 | 第10页 |
1.1.2 研究意义 | 第10-11页 |
1.2 国内外研究现状分析 | 第11-14页 |
1.2.1 工业机器人智能化的研究现状 | 第11-12页 |
1.2.2 机器视觉的发展现状 | 第12-14页 |
1.3 研究内容 | 第14-16页 |
2 作业目标的预处理 | 第16-30页 |
2.1 引言 | 第16页 |
2.2 作业目标的亮度校正 | 第16-20页 |
2.2.1 颜色空间转换 | 第16-17页 |
2.2.2 直方图均衡化 | 第17-18页 |
2.2.3 亮度校正 | 第18-20页 |
2.3 图像灰度变换 | 第20-23页 |
2.3.1 线性变换 | 第20-21页 |
2.3.2 分段线性变换 | 第21-22页 |
2.3.3 非线性变换 | 第22-23页 |
2.4 图像平滑 | 第23-27页 |
2.4.1 高斯滤波 | 第24页 |
2.4.2 均值滤波 | 第24-25页 |
2.4.3 中值滤波 | 第25-27页 |
2.5 锐化 | 第27-29页 |
2.6 本章小结 | 第29-30页 |
3 作业目标的匹配识别方法研究 | 第30-44页 |
3.1 引言 | 第30页 |
3.2 SIFT算法 | 第30-33页 |
3.3 SURF算法 | 第33-37页 |
3.4 改进SURF算法 | 第37-42页 |
3.4.1 BRIEF描述特征点 | 第38-39页 |
3.4.2 特征点匹配 | 第39页 |
3.4.3 RANSAC算法的二次精匹配 | 第39-42页 |
3.5 本章小结 | 第42-44页 |
4 作业目标的测量及定位 | 第44-62页 |
4.1 引言 | 第44页 |
4.2 图像分割算法 | 第44-47页 |
4.2.1 固定阈值法 | 第44-45页 |
4.2.2 迭代阈值分割法 | 第45-46页 |
4.2.3 自适应阈值法 | 第46-47页 |
4.3 轮廓边缘特征检测 | 第47-54页 |
4.3.1 传统边缘检测算法 | 第47-52页 |
4.3.2 Zernike矩亚像素边缘检测 | 第52-54页 |
4.4 模板图像的定位算法 | 第54-57页 |
4.4.1 模板的质心坐标 | 第54-55页 |
4.4.2 仿射模型参数计算 | 第55-57页 |
4.5 作业目标尺寸测量 | 第57-60页 |
4.5.1 感兴趣区域提取 | 第57页 |
4.5.2 二维尺寸数学模型的建立 | 第57-60页 |
4.6 本章小结 | 第60-62页 |
5 实验分析 | 第62-78页 |
5.1 引言 | 第62页 |
5.2 基于机器视觉的工业机器人实验平台的构建 | 第62-68页 |
5.2.1 SCARA机器人 | 第62-65页 |
5.2.2 工业相机 | 第65-66页 |
5.2.3 光源 | 第66页 |
5.2.4 光学镜头 | 第66-68页 |
5.3 视觉系统的标定 | 第68-72页 |
5.3.1 机器视觉系统的标定概述 | 第68页 |
5.3.2 坐标系的转换 | 第68-70页 |
5.3.3 本文标定方法 | 第70-72页 |
5.4 实验分析 | 第72-76页 |
5.4.1 作业目标 | 第72-73页 |
5.4.2 识别匹配实验 | 第73-75页 |
5.4.3 作业目标的定位与测量 | 第75-76页 |
5.5 本章小结 | 第76-78页 |
6 总结与展望 | 第78-80页 |
6.1 总结 | 第78-79页 |
6.2 展望 | 第79-80页 |
参考文献 | 第80-88页 |
攻读硕士学位期间所发表论文及科研情况 | 第88-90页 |
致谢 | 第90页 |