摘要 | 第5-6页 |
ABSTRACT | 第6-7页 |
第一章 绪论 | 第11-19页 |
1.1 研究工作的背景与意义 | 第11-12页 |
1.2 视觉机器人的国内外研究历史与现状 | 第12-15页 |
1.3 本文的主要研究方向及其发展现状 | 第15-17页 |
1.4 本文的结构安排 | 第17-19页 |
第二章 机器人视觉定位系统的总体设计 | 第19-25页 |
2.1 机器视觉系统的结构设计 | 第19页 |
2.2 机器视觉系统的硬件平台设计 | 第19-22页 |
2.2.1 光源 | 第20-21页 |
2.2.2 光学镜头 | 第21页 |
2.2.3 摄像机 | 第21-22页 |
2.3 机器视觉系统的软件设计 | 第22-23页 |
2.4 本章小结 | 第23-25页 |
第三章 视觉机器人定位系统的图像预处理 | 第25-43页 |
3.1 数字图像概述 | 第25-26页 |
3.1.1 图像形成模型 | 第25-26页 |
3.1.2 图像的数学表征 | 第26页 |
3.2 图像滤波 | 第26-31页 |
3.2.1 中值滤波 | 第27-28页 |
3.2.2 均值滤波 | 第28-29页 |
3.2.3 高斯滤波 | 第29-30页 |
3.2.4 各滤波方法的实验结果对比和分析 | 第30-31页 |
3.3 图像分割 | 第31-36页 |
3.3.1 直方图阈值 | 第31-32页 |
3.3.2 迭代法阈值分割法 | 第32-33页 |
3.3.2.1 迭代法阈值分割的要点 | 第32-33页 |
3.3.2.2 迭代法阈值分割算法的过程 | 第33页 |
3.3.3 最大类间方差法 | 第33-35页 |
3.3.4 各阈值分割方法的效果对比 | 第35-36页 |
3.4 边缘检测 | 第36-41页 |
3.4.1 Sobel算子 | 第37页 |
3.4.2 Roberts算子 | 第37-38页 |
3.4.3 LOG(Laplacian-Gauss)算子 | 第38页 |
3.4.4 Canny算子 | 第38-41页 |
3.4.4.1 Canny边缘检测算子的数学原理 | 第39-40页 |
3.4.4.2 Canny算子的算法过程 | 第40-41页 |
3.5 几种边缘检测算法的实验对比 | 第41-42页 |
3.6 本章小结 | 第42-43页 |
第四章 视觉机器人定位系统的图像匹配识别 | 第43-59页 |
4.1 基于灰度统计的模板匹配 | 第43-44页 |
4.2 基于图像特征的模板匹配 | 第44-54页 |
4.2.1 不变矩的理论基础 | 第45-52页 |
4.2.1.1 特征不变量简介 | 第45-46页 |
4.2.1.2 不变矩的概述 | 第46-47页 |
4.2.1.3 矩的物理意义 | 第47-48页 |
4.2.1.4 矩的变换 | 第48-49页 |
4.2.1.5 Hu不变矩 | 第49-50页 |
4.2.1.6 常用矩的性能评价 | 第50-52页 |
4.2.2 轮廓不变矩 | 第52-54页 |
4.3 元件偏转角 | 第54-58页 |
4.3.1 偏转角的定义 | 第54-55页 |
4.3.2 哈夫(Hough)变换检测工件的最长边 | 第55-57页 |
4.3.3 贴片最长边及其偏转角获取实验 | 第57-58页 |
4.4 本章小结 | 第58-59页 |
第五章 摄像机标定的方法研究 | 第59-76页 |
5.1 非线性优化法 | 第59-61页 |
5.1.1 最小二乘法 | 第60-61页 |
5.1.2 Levenberg-Marquardt算法 | 第61页 |
5.2 摄像机的标定模型 | 第61-67页 |
5.2.1 摄像机成像模型中的坐标系 | 第62-63页 |
5.2.2 小孔成像模型 | 第63-65页 |
5.2.3 摄像机的畸变模型 | 第65-67页 |
5.3 摄像机的标定方法 | 第67-70页 |
5.4 标定实验 | 第70-75页 |
5.4.1 内参数的获取 | 第70-73页 |
5.4.2 外参数的获取 | 第73-75页 |
5.5 本章小结 | 第75-76页 |
第六章 全文总结与展望 | 第76-78页 |
6.1 全文总结 | 第76-77页 |
6.2 后续工作展望 | 第77-78页 |
致谢 | 第78-79页 |
参考文献 | 第79-83页 |
附录 | 第83-89页 |
攻读硕士学位期间的研究成果 | 第89-90页 |