| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第一章 绪论 | 第10-20页 |
| 1.1 课题研究背景及意义 | 第10-11页 |
| 1.2 机器人视觉伺服技术概述 | 第11-15页 |
| 1.2.1 机器人视觉伺服 | 第11-12页 |
| 1.2.2 机器人视觉伺服系统的分类 | 第12-13页 |
| 1.2.3 基于位置的视觉伺服 | 第13页 |
| 1.2.4 基于图像的视觉伺服 | 第13-14页 |
| 1.2.5 混合视觉伺服 | 第14页 |
| 1.2.6 基于运动学和动力学的视觉伺服 | 第14-15页 |
| 1.3 无标定视觉伺服研究概述 | 第15-18页 |
| 1.3.1 无标定视觉伺服的提出 | 第16页 |
| 1.3.2 无标定视觉伺服的研究现状 | 第16-18页 |
| 1.4 本课题主要研究内容 | 第18-20页 |
| 第二章 基于工业机器人的电梯厅门装配系统设计 | 第20-35页 |
| 2.1 引言 | 第20页 |
| 2.2 电梯厅门装配工艺要求 | 第20-21页 |
| 2.3 电梯厅门装配生产线结构设计 | 第21-28页 |
| 2.3.1 门板上线单元 | 第22-23页 |
| 2.3.2 涂胶单元 | 第23-24页 |
| 2.3.3 人工放筋单元 | 第24-25页 |
| 2.3.4 基于视觉伺服的机器人无铆钉连接单元的设计 | 第25-27页 |
| 2.3.5 预留单元 | 第27-28页 |
| 2.4 系统总体工艺流程 | 第28页 |
| 2.5 基于DeviceNet关键技术的电气通信系统解决方案 | 第28-32页 |
| 2.6 上位管理系统与下位机软件设计 | 第32-34页 |
| 2.7 本章小结 | 第34-35页 |
| 第三章 复杂装配现场环境下的图像处理 | 第35-47页 |
| 3.1 引言 | 第35-36页 |
| 3.2 LabVIEW及其视觉工具包 | 第36-37页 |
| 3.3 工业现场图像采集 | 第37-39页 |
| 3.4 基于分量法的灰度化处理 | 第39-40页 |
| 3.5 中值滤波 | 第40-41页 |
| 3.6 基于粒子滤波去噪后的二值化方法 | 第41页 |
| 3.7 基于Canny算子的边缘检测方法 | 第41-44页 |
| 3.8 基于Shi-Tomasi优化的局部厅门角点检测法 | 第44-46页 |
| 3.9 本章小结 | 第46-47页 |
| 第四章 无铆钉连接机器人视觉伺服理论研究 | 第47-61页 |
| 4.1 引言 | 第47页 |
| 4.2 无铆钉连接机器人视觉伺服中的坐标关系 | 第47-49页 |
| 4.3 无铆钉连接机器人模型运动分析 | 第49-59页 |
| 4.3.1 无铆钉连接机器人关节坐标系与模型搭建 | 第49-51页 |
| 4.3.2 无铆钉连接机器人正运动学分析 | 第51-55页 |
| 4.3.3 无铆钉连接机器人逆运动学分析 | 第55页 |
| 4.3.4 基于Matlab的无铆钉连接机器人模型运动仿真分析 | 第55-59页 |
| 4.4 视觉控制器中的非线性关系研究 | 第59-61页 |
| 4.5 本章小结 | 第61页 |
| 第五章 基于GABP神经网络视觉控制器的优化分析 | 第61-73页 |
| 5.1 引言 | 第61-62页 |
| 5.2 基于BP神经网络视觉控制器的优化方法分析 | 第62-66页 |
| 5.3 一种改进的GABP神经网络的实现方法 | 第66-71页 |
| 5.3.1 遗传算法优化BP神经网络的方式分析 | 第66-68页 |
| 5.3.2 一种改进的GABP神经网络的具体方案 | 第68-71页 |
| 5.4 本章小结 | 第71-73页 |
| 第六章 无铆钉连接机器人视觉伺服的实验 | 第73-83页 |
| 6.1 引言 | 第73页 |
| 6.2 实验数据采集和参数设置 | 第73-76页 |
| 6.3 基于改进的GABP神经网络视觉控制器实验分析 | 第76-79页 |
| 6.4 基于Matlab的机器人视觉伺服仿真分析 | 第79-82页 |
| 6.5 本章小结 | 第82-83页 |
| 第七章 结论与展望 | 第83-85页 |
| 参考文献 | 第85-89页 |
| 攻读硕士学位期间的科研成果 | 第89-91页 |
| 致谢 | 第91页 |
