| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第10-17页 |
| 1.1 引言 | 第10-11页 |
| 1.2 视觉伺服研究进展 | 第11-15页 |
| 1.2.1 基于位置的视觉伺服 | 第11-13页 |
| 1.2.2 基于图像的视觉伺服 | 第13-14页 |
| 1.2.3 混合视觉伺服 | 第14-15页 |
| 1.3 本文的主要工作 | 第15-16页 |
| 1.4 本文的组织结构 | 第16-17页 |
| 第二章 基于单目视觉的三维物体位姿估计原理 | 第17-22页 |
| 2.1 引言 | 第17-18页 |
| 2.2 基于人工标志位的目标物体位姿估计 | 第18页 |
| 2.3 基于自然特征的目标物体位姿估计 | 第18-20页 |
| 2.3.1 基于特征直线的目标物体位姿估计 | 第19页 |
| 2.3.2 基于特征曲线的目标物体位姿估计 | 第19-20页 |
| 2.4 基于序列图像的目标物体位姿估计 | 第20页 |
| 2.5 基于模型库的目标物体位姿估计 | 第20-22页 |
| 第三章 基于全参数动态自适应变异粒子群的单目相机标定 | 第22-37页 |
| 3.1 引言 | 第22-23页 |
| 3.2 相机成像模型 | 第23-25页 |
| 3.3 确定相机内参初始值 | 第25-26页 |
| 3.4 全参数动态自适应变异粒子群优化算法 | 第26-29页 |
| 3.4.1 惯性因子调整 | 第27页 |
| 3.4.2 学习因子调整 | 第27-28页 |
| 3.4.3 变异策略 | 第28-29页 |
| 3.5 基于全参数自适应变异粒子群算法的单目相机内参优化 | 第29-31页 |
| 3.6 实验与分析 | 第31-36页 |
| 3.7 结论 | 第36-37页 |
| 第四章 基于变尺度变异粒子群算法的单目视觉三维物体位姿估计 | 第37-48页 |
| 4.1 引言 | 第37-38页 |
| 4.2 位姿模型 | 第38-39页 |
| 4.3 位姿初值确定 | 第39-40页 |
| 4.4 基于变尺度变异粒子群的三维物体位姿优化 | 第40-43页 |
| 4.4.1 惯性因子调整 | 第41页 |
| 4.4.2 学习因子调整 | 第41-42页 |
| 4.4.3 变尺度的自适应变异策略 | 第42-43页 |
| 4.5 实验与分析 | 第43-47页 |
| 4.6 结论 | 第47-48页 |
| 第五章 基于静态扩展卡尔曼与动态变异粒子群算法的混合位姿估计 | 第48-58页 |
| 5.1 引言 | 第48-49页 |
| 5.2 位姿估计模型 | 第49-50页 |
| 5.3 传统卡尔曼位姿估计 | 第50-51页 |
| 5.4 混合位姿估计 | 第51-54页 |
| 5.4.1 静态扩展卡尔曼估计 | 第52页 |
| 5.4.2 动态变异粒子群算法 | 第52-54页 |
| 5.5 实验与分析 | 第54-57页 |
| 5.6 结论 | 第57-58页 |
| 第六章 总结和展望 | 第58-60页 |
| 6.1 总结 | 第58-59页 |
| 6.2 进一步的研究工作 | 第59-60页 |
| 参考文献 | 第60-68页 |
| 致谢 | 第68-70页 |
| 附录 | 第70-72页 |
