| 摘要 | 第3-5页 |
| ABSTRACT | 第5-7页 |
| 第一章 绪论 | 第12-43页 |
| 1.1 课题背景及意义 | 第12-15页 |
| 1.2 机器人视觉检测系统研究现状 | 第15-17页 |
| 1.3 三维激光扫描视觉测量技术研究现状 | 第17-29页 |
| 1.3.1 三维激光扫描视觉测量系统结构形式 | 第17-21页 |
| 1.3.2 三维激光扫描视觉测量系统标定技术 | 第21-29页 |
| 1.4 机器人视觉检测系统误差补偿技术研究现状 | 第29-37页 |
| 1.4.1 手眼标定研究现状 | 第30-33页 |
| 1.4.2 机器人本体标定研究现状 | 第33-36页 |
| 1.4.3 机器人外部姿态标定研究现状 | 第36-37页 |
| 1.5 机器人最佳测量位形研究现状 | 第37-39页 |
| 1.6 研究目标及研究内容 | 第39-43页 |
| 1.6.1 研究目标 | 第39-40页 |
| 1.6.2 研究内容 | 第40-43页 |
| 第二章 线激光转镜扫描三维视觉测量系统标定技术研究 | 第43-59页 |
| 2.1 单目线激光视觉传感器三维测量技术 | 第43-46页 |
| 2.1.1 相机标定模型 | 第43-45页 |
| 2.1.2 光平面标定模型 | 第45页 |
| 2.1.3 三维重构 | 第45-46页 |
| 2.2 基于平面约束的标定点提取技术 | 第46-48页 |
| 2.2.1 世界坐标系下的标定点三维坐标值 | 第46-47页 |
| 2.2.2 相机坐标系下的标定点三维坐标值 | 第47-48页 |
| 2.3 线激光转镜扫描三维视觉测量系统数学模型 | 第48-52页 |
| 2.3.1 线激光转镜扫描三维视觉测量系统开发 | 第48-50页 |
| 2.3.2 基本元素数学模型 | 第50-51页 |
| 2.3.3 反射镜平面与转动角度之间的函数映射 | 第51页 |
| 2.3.4 反射光平面数学模型 | 第51-52页 |
| 2.4 线激光转镜扫描三维视觉测量系统参数优化及标定流程 | 第52-53页 |
| 2.5 实验验证 | 第53-58页 |
| 2.5.1 线激光转镜扫描三维视觉测量系统标定 | 第54页 |
| 2.5.2 重复精度评价 | 第54-56页 |
| 2.5.3 绝对精度评价 | 第56-58页 |
| 2.6 本章小结 | 第58-59页 |
| 第三章 基于数据密度聚类的白车身孔类特征提取技术研究 | 第59-86页 |
| 3.1 白车身孔类特征在线检测面临的问题 | 第59-61页 |
| 3.1.1 孔类特征拟合方法概述 | 第59-60页 |
| 3.1.2 白车身复杂表面孔类特征在线检测的问题分析 | 第60-61页 |
| 3.2 白车身孔类特征拟合点云提取方法 | 第61-65页 |
| 3.2.1 自适应光刀中心提取方法 | 第62-64页 |
| 3.2.2 白车身孔类特征拟合点云筛选 | 第64-65页 |
| 3.3 基于数据密度聚类的白车身孔类特征拟合技术 | 第65-68页 |
| 3.4 实验验证 | 第68-85页 |
| 3.4.1 圆孔特征异常点剔除 | 第68-82页 |
| 3.4.2 方孔特征直线分割 | 第82-85页 |
| 3.5 本章小结 | 第85-86页 |
| 第四章 机器人视觉检测误差无冗余参数在线补偿技术 | 第86-103页 |
| 4.1 机器人视觉检测误差无冗余参数补偿模型 | 第86-91页 |
| 4.1.1 D-H模型 | 第87-88页 |
| 4.1.2 MD-H模型 | 第88-89页 |
| 4.1.3 机器人视觉检测系统误差补偿模型参数冗余性分析 | 第89-91页 |
| 4.2 基于球心位置的误差补偿数据获取 | 第91-93页 |
| 4.2.1 基准靶标设计 | 第91页 |
| 4.2.2 球面拟合 | 第91-93页 |
| 4.3 参数辨识及误差补偿 | 第93-98页 |
| 4.3.1 基于球心位置偏差目标函数的建立 | 第93-94页 |
| 4.3.2 系统运动学参数辨识 | 第94-98页 |
| 4.3.3 误差补偿 | 第98页 |
| 4.4 实验验证 | 第98-102页 |
| 4.4.1 实验装置介绍 | 第98-99页 |
| 4.4.2 结果分析 | 第99-102页 |
| 4.5 本章小结 | 第102-103页 |
| 第五章 多点约束下机器人视觉检测系统最佳位形选取 | 第103-116页 |
| 5.1 机器人视觉检测系统最佳位形选取问题描述 | 第103-105页 |
| 5.1.2 最佳位形评价指标 | 第104页 |
| 5.1.3 传统最佳测量位形优化算法 | 第104-105页 |
| 5.2 多点约束下最佳测量位形选取算法 | 第105-110页 |
| 5.2.1 机器人末端位姿求取 | 第105-106页 |
| 5.2.2 基于旋量理论的机器人逆运动学 | 第106-108页 |
| 5.2.3 单点约束下最佳测量位形选取 | 第108-109页 |
| 5.2.4 靶标球球心位置优化 | 第109页 |
| 5.2.5 算法小结 | 第109-110页 |
| 5.3 实验验证 | 第110-114页 |
| 5.3.1 机器人视觉检测系统预补偿 | 第111-112页 |
| 5.3.2 多点约束下最佳位形选取 | 第112-113页 |
| 5.3.3 误差补偿精度对比验证 | 第113-114页 |
| 5.4 本章小结 | 第114-116页 |
| 第六章 机器人视觉检测系统开发与应用 | 第116-140页 |
| 6.1 机器人视觉检测工位总体技术方案 | 第116-124页 |
| 6.1.1 工位需求分析 | 第116-118页 |
| 6.1.2 总体技术方案设计 | 第118-122页 |
| 6.1.3 硬件选型及分析 | 第122-124页 |
| 6.2 机器人视觉检测系统离线编程及示教 | 第124-127页 |
| 6.2.1 机器人视觉检测系统离线编程 | 第124-126页 |
| 6.2.2 机器人视觉检测系统示教参数设置 | 第126-127页 |
| 6.3 精度验证及数据应用 | 第127-139页 |
| 6.3.1 精度验证 | 第127-132页 |
| 6.3.2 在线误差补偿效果验证 | 第132-136页 |
| 6.3.3 机器人视觉检测数据应用案例 | 第136-139页 |
| 6.4 本章小结 | 第139-140页 |
| 第七章 总结与展望 | 第140-145页 |
| 7.1 本文工作总结 | 第140-142页 |
| 7.2 本文创新点 | 第142-143页 |
| 7.3 研究展望 | 第143-145页 |
| 参考文献 | 第145-155页 |
| 攻读博士学位期间已发表或录用的论文 | 第155-156页 |
| 攻读博士学位期间参与的科研项目 | 第156-157页 |
| 致谢 | 第157-159页 |
