基于三维视觉的工业机器人工件定位方法研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第11-19页 |
| 1.1 课题研究的目的和意义 | 第11-12页 |
| 1.1.1 课题研究的目的 | 第11-12页 |
| 1.1.2 课题研究的意义 | 第12页 |
| 1.2 国内外发展现状与趋势 | 第12-15页 |
| 1.2.1 国内外的发展现状 | 第12-14页 |
| 1.2.2 课题的发展趋势 | 第14-15页 |
| 1.3 课题研究的主要内容 | 第15-16页 |
| 1.4 本文组织结构 | 第16-17页 |
| 1.5 本章小结 | 第17-19页 |
| 第二章 工件RGBD数据模型的建立 | 第19-29页 |
| 2.1 三维视觉传感器 | 第19-25页 |
| 2.1.1 三维视觉传感器简介 | 第19-20页 |
| 2.1.2 三维视觉传感器应用 | 第20-25页 |
| 2.2 工件的RGBD图像与点云 | 第25-26页 |
| 2.2.1 工件RGBD图像 | 第25-26页 |
| 2.2.2 工件的点云 | 第26页 |
| 2.3 工件点云背景分割 | 第26-28页 |
| 2.3.1 工件点云背景分割依据 | 第27页 |
| 2.3.2 基于深度信息的工件点云背景分割 | 第27-28页 |
| 2.4 本章小结 | 第28-29页 |
| 第三章 散乱堆叠工件点云的特征提取 | 第29-47页 |
| 3.1 工件点云的法向量估计 | 第29-32页 |
| 3.1.1 点云数据的法向量定义 | 第29-30页 |
| 3.1.2 工件点云的法向量估算 | 第30-32页 |
| 3.2 工件点云的点对特征描述及提取 | 第32-35页 |
| 3.2.1 工件点云点对特征 | 第32-33页 |
| 3.2.2 模型点云与场景点云的点对特征提取 | 第33-35页 |
| 3.3 工件点云点对特征存储及哈希表的建立 | 第35-37页 |
| 3.3.1 工件点云点对特征的存储 | 第35-36页 |
| 3.3.2 建立存储工件点云点对特征的哈希表 | 第36-37页 |
| 3.4 实验平台 | 第37-39页 |
| 3.5 实验结果 | 第39-44页 |
| 3.5.1 法向量估计结果 | 第39-42页 |
| 3.5.2 点云特征提取结果 | 第42-44页 |
| 3.5.3 哈希表存储数据性能分析 | 第44页 |
| 3.6 本章小结 | 第44-47页 |
| 第四章 散乱堆叠工件点云的特征匹配 | 第47-63页 |
| 4.1 经典ICP三维点云匹配算法 | 第47-49页 |
| 4.1.1 ICP算法简介 | 第47-48页 |
| 4.1.2 ICP算法的应用 | 第48-49页 |
| 4.2 基于投票算法的工件三维点云匹配 | 第49-60页 |
| 4.2.1 工件点云匹配 | 第50页 |
| 4.2.2 目标工件学习 | 第50-54页 |
| 4.2.3 基于投票算法的点对特征匹配 | 第54-60页 |
| 4.3 实验结果 | 第60-62页 |
| 4.4 本章小结 | 第62-63页 |
| 第五章 结论 | 第63-65页 |
| 5.1 结论 | 第63-64页 |
| 5.2 展望 | 第64-65页 |
| 参考文献 | 第65-69页 |
| 作者简介 | 第69页 |
| 作者在攻读硕士学位期间发表的学术论文 | 第69-71页 |
| 致谢 | 第71页 |
