| 摘要 | 第4-6页 |
| ABSTRACT | 第6-8页 |
| 第一章 绪论 | 第12-22页 |
| 1.1 论文研究的背景和意义 | 第12-14页 |
| 1.2 国内外研究现状 | 第14-20页 |
| 1.2.1 国外焊接机器人的研究现状 | 第15-16页 |
| 1.2.2 国内焊接机器人的研究现状 | 第16-20页 |
| 1.3 本文研究的目的及主要内容 | 第20-22页 |
| 1.3.1 本文研究目的 | 第20页 |
| 1.3.2 本文研究的主要内容 | 第20-22页 |
| 第二章 图像预处理算法的研究 | 第22-35页 |
| 2.1 图像灰度化 | 第22-24页 |
| 2.2 图像去噪 | 第24-28页 |
| 2.2.1 图像噪声分类模型 | 第24-25页 |
| 2.2.2 图像滤波除噪 | 第25-28页 |
| 2.3 图像二值化处理 | 第28-30页 |
| 2.4 图像形态学处理 | 第30-31页 |
| 2.5 图像边缘检测 | 第31-34页 |
| 2.5.1 一阶微分图像边缘检测 | 第32页 |
| 2.5.2 二阶微分图像边缘检测 | 第32-34页 |
| 2.6 本章小结 | 第34-35页 |
| 第三章 基于暗通道焊缝图像增强算法的研究 | 第35-47页 |
| 3.1 时域增强算法 | 第35-38页 |
| 3.1.1 灰度变换 | 第35-37页 |
| 3.1.2 直方图均衡化 | 第37-38页 |
| 3.2 频域增强算法 | 第38-40页 |
| 3.3 传统的暗通道算法 | 第40-42页 |
| 3.4 改进暗通道算法 | 第42-46页 |
| 3.4.1 改进暗通道先验理论的算法步骤 | 第43-44页 |
| 3.4.2 设计实验验证改进暗通道算法 | 第44-46页 |
| 3.5 本章小结 | 第46-47页 |
| 第四章 基于图像特征点提取和匹配技术的研究 | 第47-61页 |
| 4.1 图像特征点提取算法 | 第47-54页 |
| 4.1.1 Harris角点检测算法 | 第48-50页 |
| 4.1.2 Shi-Tomasi角点检测算法 | 第50页 |
| 4.1.3 亚像素角点检测算法 | 第50-53页 |
| 4.1.4 SIFT特征检测算法 | 第53-54页 |
| 4.2 图像匹配技术 | 第54-59页 |
| 4.2.1 基于SIFT特征提取的Brute-Force匹配算法 | 第55-56页 |
| 4.2.2 基于SURF特征提取的Flann匹配算法 | 第56-59页 |
| 4.3 本章小结 | 第59-61页 |
| 第五章 基于遗传算法的时间最优机械臂轨迹规划 | 第61-75页 |
| 5.1 机器人正、逆运动学 | 第62-65页 |
| 5.2 多项式差值算法 | 第65-67页 |
| 5.3 遗传算法 | 第67-68页 |
| 5.4 基于遗传算法的最优时间求解 | 第68-73页 |
| 5.5 本章小结 | 第73-75页 |
| 第六章 基于Opencv的双目焊接机器人系统的设计与实现 | 第75-84页 |
| 6.1 实验平台简介 | 第75-76页 |
| 6.2 DDC相机标定 | 第76-78页 |
| 6.3 简单手势识别 | 第78-80页 |
| 6.4 计算机图像预处理实验结果 | 第80-83页 |
| 6.5 基于MFC制作控制界面 | 第83-84页 |
| 第七章 总结与展望 | 第84-86页 |
| 7.1 本文工作总结 | 第84-85页 |
| 7.2 创新点 | 第85页 |
| 7.3 未来研究与展望 | 第85-86页 |
| 参考文献 | 第86-92页 |
| 致谢 | 第92-93页 |
| 在学期间发表过的学术论文和研究成果 | 第93页 |
