| 致谢 | 第5-6页 |
| 摘要 | 第6-8页 |
| Abstract | 第8-9页 |
| 1 绪论 | 第12-32页 |
| 1.1 引言 | 第12-13页 |
| 1.2 目标位姿识别研究现状 | 第13-21页 |
| 1.2.1 一般目标的位姿识别 | 第13-18页 |
| 1.2.2 面向工业应用的位姿识别 | 第18-21页 |
| 1.3 视觉伺服技术研究现状 | 第21-27页 |
| 1.3.1 基于特征点的视觉伺服方法 | 第22-26页 |
| 1.3.2 基于图像矩的视觉伺服方法 | 第26-27页 |
| 1.4 现有技术的不足及论文组织结构 | 第27-29页 |
| 1.4.1 现有位姿识别与视觉伺服技术在工业场景下的不足 | 第27-28页 |
| 1.4.2 论文组织结构 | 第28-29页 |
| 1.5 本章小结 | 第29-32页 |
| 2 低纹理表面零件的视觉伺服原理与模型 | 第32-44页 |
| 2.1 引言 | 第32页 |
| 2.2 视觉伺服原理 | 第32-36页 |
| 2.2.1 视觉伺服的基本思想 | 第32-33页 |
| 2.2.2 基于图像与基于位置的视觉伺服 | 第33-36页 |
| 2.3 视觉伺服模型 | 第36-42页 |
| 2.3.1 视觉伺服模型的建立 | 第36-37页 |
| 2.3.2 伺服控制流程分析 | 第37-42页 |
| 2.4 本章小结 | 第42-44页 |
| 3 低纹理表面零件的几何特征检测方法 | 第44-62页 |
| 3.1 引言 | 第44页 |
| 3.2 基于轮廓梯度分类的椭圆检测 | 第44-51页 |
| 3.2.1 图像预处理 | 第44-45页 |
| 3.2.2 基于灰度梯度的边缘分类 | 第45-46页 |
| 3.2.3 基于边缘凹凸性的圆弧细分 | 第46-47页 |
| 3.2.4 基于几何约束与凸多边形辨识的圆弧集合筛选 | 第47-51页 |
| 3.3 基于先验水平集的平面图形检测 | 第51-55页 |
| 3.3.1 Chan-Vese模型 | 第52-53页 |
| 3.3.2 基于透视先验不变的轮廓分割 | 第53-55页 |
| 3.4 实验验证 | 第55-60页 |
| 3.4.1 椭圆检测方法实验验证 | 第55-59页 |
| 3.4.2 一般平面特征检测方法实验验证 | 第59-60页 |
| 3.5 本章小结 | 第60-62页 |
| 4 低纹理表面零件的目标位姿识别方法 | 第62-80页 |
| 4.1 引言 | 第62页 |
| 4.2 基于圆锥求交的圆特征姿态识别 | 第62-69页 |
| 4.2.1 空间圆特征的姿态估计 | 第64-67页 |
| 4.2.2 空间圆特征的位置估计 | 第67-69页 |
| 4.3 基于频域相关性分析的一般平面特征位姿识别 | 第69-75页 |
| 4.3.1 基于相关性分析的位姿初始估计 | 第70-72页 |
| 4.3.2 基于Levenberg-Marquard算法的位姿迭代求解 | 第72-75页 |
| 4.4 实验验证 | 第75-78页 |
| 4.4.1 圆特征的位姿识别实验验证 | 第75-77页 |
| 4.4.2 一般平面特征的位姿识别实验验证 | 第77-78页 |
| 4.5 本章小结 | 第78-80页 |
| 5 低纹理表面零件的视觉伺服方法 | 第80-98页 |
| 5.1 引言 | 第80-81页 |
| 5.2 基于虚拟轴系的圆特征零件位置视觉伺服 | 第81-84页 |
| 5.2.1 基于虚拟轴系的相对位姿计算 | 第81-83页 |
| 5.2.2 基于位置视觉伺服的圆特征零件抓取 | 第83-84页 |
| 5.3 基于混合图像矩的一般平面特征视觉伺服 | 第84-91页 |
| 5.3.1 传统图像矩视觉伺服 | 第84-88页 |
| 5.3.2 混合图像矩视觉伺服 | 第88-91页 |
| 5.4 实验验证 | 第91-95页 |
| 5.4.1 圆特征位置视觉伺服实验验证 | 第91-92页 |
| 5.4.2 混合图像矩特征视觉伺服实验验证 | 第92-95页 |
| 5.5 本章小结 | 第95-98页 |
| 6 低纹理表面零件的视觉伺服系统与应用验证 | 第98-120页 |
| 6.1 引言 | 第98页 |
| 6.2 系统体系架构 | 第98-104页 |
| 6.3 系统功能模块 | 第104-115页 |
| 6.4 零件位姿识别与视觉伺服抓取应用实例 | 第115-118页 |
| 6.5 本章小结 | 第118-120页 |
| 7 总结与展望 | 第120-122页 |
| 7.1 全文总结 | 第120-121页 |
| 7.2 工作展望 | 第121-122页 |
| 参考文献 | 第122-134页 |
| 作者简历及在学期间所取得的科研成果 | 第134-136页 |
