| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第11-17页 |
| 1.1 引言 | 第11页 |
| 1.2 课题背景和研究意义 | 第11-12页 |
| 1.3 机器人视觉标定技术国内外的发展及研究现状 | 第12-14页 |
| 1.4 图像特征点检测研究现状 | 第14-15页 |
| 1.5 论文主要研究内容和关键技术 | 第15-17页 |
| 第二章 机器人视觉标定的基本原理 | 第17-37页 |
| 2.1 摄像机模型 | 第17-26页 |
| 2.1.1 参考坐标系 | 第17-21页 |
| 2.1.2 线性模型——小孔模型 | 第21-24页 |
| 2.1.3 非线性模型——镜头畸变模型 | 第24-26页 |
| 2.2 摄像机标定方法 | 第26-32页 |
| 2.2.1 Faugeras摄像机标定的基本方法 | 第26-28页 |
| 2.2.2 Faugeras摄像机标定的改进算法 | 第28-29页 |
| 2.2.3 Tsai摄像机标定的方法 | 第29-31页 |
| 2.2.4 张正友的平面标定方法 | 第31-32页 |
| 2.3 机器人手眼标定 | 第32-36页 |
| 2.3.1 手眼标定原理与基本参数 | 第32-34页 |
| 2.3.2 平面标定法 | 第34-36页 |
| 2.4 本章小结 | 第36-37页 |
| 第三章 面向视觉标定的格型图像特征点检测算法研究 | 第37-51页 |
| 3.1 标定板的确定 | 第37-39页 |
| 3.2 常用的格型角点检测算法研究 | 第39-44页 |
| 3.2.1 Moravec角点检测算法 | 第39-40页 |
| 3.2.2 Harris角点检测算法 | 第40-43页 |
| 3.2.3 SUSAN角点检测算法 | 第43-44页 |
| 3.3 一种改进的Harris方格板角点检测算法 | 第44-47页 |
| 3.4 Matlab针对方格标定板摄像机标定算法实现 | 第47-49页 |
| 3.5 本章小结 | 第49-51页 |
| 第四章 面向视觉标定的圆型阵列图像特征点提取算法研究 | 第51-75页 |
| 4.1 标定板的确定 | 第51-52页 |
| 4.2 基于Hough变换的椭圆检测算法 | 第52-55页 |
| 4.3 一种基于椭圆/圆的几何对称性检测算法 | 第55-56页 |
| 4.4 基于几何对称性的椭圆圆心检测算法及其改进算法 | 第56-65页 |
| 4.4.1 基于几何对称性并应用于单个椭圆圆心检测算法 | 第56-57页 |
| 4.4.2 基于几何对称性并应用于椭圆阵列的圆心检测算法 | 第57-65页 |
| 4.5 Matlab针对椭圆阵列图像圆心检测算法实现 | 第65-67页 |
| 4.6 基于最小二乘椭圆拟合算法及其改进算法 | 第67-71页 |
| 4.6.1 基于最小二乘法椭圆拟合算法 | 第67-68页 |
| 4.6.2 一种将最小二乘法应于椭圆阵列的椭圆拟合算法 | 第68-71页 |
| 4.7 OpenCV针对最小二乘法应于椭圆阵列的椭圆拟合算法实现 | 第71-73页 |
| 4.8 本章小结 | 第73-75页 |
| 第五章 机器人视觉标定实验 | 第75-97页 |
| 5.1 实验条件及主要部件 | 第75-77页 |
| 5.1.1 CCD摄像机 | 第75-76页 |
| 5.1.2 六自由度机器人 | 第76-77页 |
| 5.1.3 控制柜 | 第77页 |
| 5.1.4 GALIL软件工具及通讯 | 第77页 |
| 5.2 机器人视觉标定实验及标定结果实验验证测试 | 第77-95页 |
| 5.2.1 设计制作标定板 | 第77-78页 |
| 5.2.2 图像采集 | 第78页 |
| 5.2.3 特征点提取实验 | 第78-81页 |
| 5.2.4 摄像机参考坐标系设定及机器人用户坐标系示教 | 第81-85页 |
| 5.2.5 标定实验结果 | 第85-87页 |
| 5.2.6 数据结果分析 | 第87-91页 |
| 5.2.7 标定结果在机器人中实验验证 | 第91-95页 |
| 5.3 本章小结 | 第95-97页 |
| 第六章 总结与展望 | 第97-99页 |
| 6.1 总结 | 第97-98页 |
| 6.2 展望 | 第98-99页 |
| 致谢 | 第99-101页 |
| 参考文献 | 第101-105页 |
| 附录 攻读硕士学位期间发表的学术论文及与科研成果 | 第105页 |
