基于全局视频和Kinect的机器人避碰研究
| 中文摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第一章 绪论 | 第8-13页 |
| 1.1 机器人安全性概述 | 第8-9页 |
| 1.2 机器人应用安全性研究现状 | 第9-11页 |
| 1.3 课题来源及研究意义 | 第11页 |
| 1.4 本文的主要内容及组织结构 | 第11-13页 |
| 第二章 系统架构方案及建模 | 第13-21页 |
| 2.1 引言 | 第13页 |
| 2.2 系统结构方案 | 第13-14页 |
| 2.3 工业机器人正运动学求解 | 第14-16页 |
| 2.4 单目视觉模型建立 | 第16-20页 |
| 2.5 本章小结 | 第20-21页 |
| 第三章 基于全局视频的碰撞危险检测 | 第21-40页 |
| 3.1 引言 | 第21页 |
| 3.2 图像采集及预处理 | 第21-26页 |
| 3.2.1 灰度化 | 第22-23页 |
| 3.2.2 直方图均衡化 | 第23-24页 |
| 3.2.3 图像金字塔降分辨率及高斯变换 | 第24-26页 |
| 3.3 障碍物识别与检测 | 第26-39页 |
| 3.3.1 障碍物识别方法 | 第26-29页 |
| 3.3.2 背景建模 | 第29-35页 |
| 3.3.3 机械手隐藏 | 第35-37页 |
| 3.3.4 危险信号检测 | 第37-39页 |
| 3.4 本章小结 | 第39-40页 |
| 第四章 基于Kinect和卡尔曼滤波的人体检测 | 第40-56页 |
| 4.1 引言 | 第40-41页 |
| 4.2 Kinect人体骨架检测技术 | 第41-46页 |
| 4.2.1 Kinect硬件组成 | 第41-42页 |
| 4.2.2 人体关节三维数据检测 | 第42-44页 |
| 4.2.3 Kinect人体骨骼关节点数据分析 | 第44-46页 |
| 4.3 人体姿态预测 | 第46-52页 |
| 4.3.1 卡尔曼滤波器简介 | 第46-47页 |
| 4.3.2 人体姿态计算 | 第47-51页 |
| 4.3.3 滤波实验 | 第51-52页 |
| 4.4 人体关节危险指数的计算 | 第52-55页 |
| 4.4.1 人体关节危险指数的提出 | 第52-53页 |
| 4.4.2 人体关节危险指数的计算 | 第53-55页 |
| 4.5 本章小结 | 第55-56页 |
| 第五章 可区分对象的机器人安全控制 | 第56-72页 |
| 5.1 引言 | 第56-57页 |
| 5.2 系统流程图 | 第57-58页 |
| 5.3 预控制策略 | 第58-59页 |
| 5.4 工业机器人安全控制措施及实验 | 第59-71页 |
| 5.4.1 实验平台搭建 | 第59-60页 |
| 5.4.2 障碍物为非人体的其他物体 | 第60-63页 |
| 5.4.3 障碍物为头部 | 第63-66页 |
| 5.4.4 障碍物为手臂 | 第66-71页 |
| 5.5 本章小结 | 第71-72页 |
| 总结与展望 | 第72-74页 |
| 1. 总结 | 第72-73页 |
| 2. 工作展望 | 第73-74页 |
| 参考文献 | 第74-79页 |
| 致谢 | 第79-80页 |
| 个人简历 | 第80页 |
