首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

双目视觉全自由度位姿测量引导工业机器人系统的研究与应用

摘要第5-6页
ABSTRACT第6页
第一章 绪论第10-19页
    1.1 背景与意义第10页
    1.2 相关研究及应用的现状第10-13页
        1.2.1 机器人视觉引导技术简介第10-12页
        1.2.2 应用情况及存在的问题第12-13页
    1.3 数学概念第13-17页
        1.3.1 点的位置与向量第13-14页
        1.3.2 坐标系变换第14-16页
        1.3.3 刚体位姿第16页
        1.3.4 位姿的直观描述方式第16-17页
    1.4 欲解决的问题和目标第17-19页
第二章 系统结构第19-28页
    2.1 系统的基本结构第19-20页
    2.2 工业机器人应用接口模型及其数学描述第20-25页
        2.2.1 正运动学与逆运动学第20-21页
        2.2.2 用户坐标系与工具坐标系第21-22页
        2.2.3 运动轨迹控制第22-23页
        2.2.4 机器人的定位精度第23-25页
    2.3 视觉模型第25-27页
        2.3.1 线性模型第25-26页
        2.3.2 非线性模型第26-27页
    2.4 本章小结第27-28页
第三章 基于双目视觉的全自由度位姿测量第28-43页
    3.1 系统设定第28-31页
        3.1.1 摄像机标定与世界坐标系设定第28-30页
        3.1.2 特征建模第30-31页
    3.2 求解点在三维空间中的位置第31-36页
        3.2.1 点在三维空间中的理想几何约束关系第31-32页
        3.2.2 针对结构化场景的无几何约束条件的特征点匹配方法第32-34页
        3.2.3 有误差条件下的实用求解方法第34-36页
    3.3 位姿计算的基本解法第36-38页
    3.4 容错的位姿计算方法第38-41页
        3.4.1 基于双目视觉的位置测量系统的误差来源及分类第38-39页
        3.4.2 最小二乘法的抗差性第39-40页
        3.4.3 容错的位姿计算方法第40-41页
    3.5 本章小结第41-43页
第四章 基于位姿测量的机器人控制及应用方法第43-60页
    4.1 标定摄像机与机器人的空间关系第43-49页
        4.1.1 空间关系的分类第43-44页
        4.1.2 三种手眼标定方法第44-49页
    4.2 机器人坐标计算第49-51页
        4.2.1 现场示教第49-50页
        4.2.2 离线仿真第50页
        4.2.3 机器人坐标计算第50-51页
    4.3 Eye in Hand时多位置定位第51-53页
        4.3.1 一般情况第51-52页
        4.3.2 码垛时的简化处理第52-53页
        4.3.3 比较与应用第53页
    4.4 机器人误差的影响第53-59页
        4.4.1 位姿近似时的机器人位姿误差规律第54-56页
        4.4.2 使用“AX=XB”手眼标定法时的影响第56页
        4.4.3 使用“四点法”手眼标定时的影响第56-59页
    4.5 本章小结第59-60页
第五章 系统实现、测试与应用第60-75页
    5.1 应用场景第60-61页
    5.2 系统硬件第61-63页
    5.3 流程设计第63-68页
        5.3.1 调试准备阶段第64-65页
        5.3.2 系统运转阶段第65-66页
        5.3.3 计算机程序的关键问题第66-67页
        5.3.4 机器人程序的关键问题第67-68页
    5.4 重要功能和算法的测试结果第68-72页
        5.4.1 点重建第68-70页
        5.4.2 位姿计算的容错性和精度第70-71页
        5.4.3 机器人绝对误差的补偿第71-72页
    5.5 应用效果第72-74页
        5.5.1 长期效果第72页
        5.5.2 实用中出现的问题及解决方案第72-73页
        5.5.3 易用性第73-74页
    5.6 扩展应用第74页
    5.7 本章小结第74-75页
总结与展望第75-76页
参考文献第76-79页
攻读硕士学位期间取得的研究成果第79-80页
致谢第80-81页
附件第81页

论文共81页,点击 下载论文
上一篇:基于CEP技术的期货市场量化投资交易系统设计与实现
下一篇:基于神经网络模型融合的图像识别研究