| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第1章 绪论 | 第11-19页 |
| 1.1 课题研究的背景和意义 | 第11页 |
| 1.2 国内外研究现状 | 第11-15页 |
| 1.3 海参捕捞机器人系统概述 | 第15-17页 |
| 1.4 论文主要内容与结构 | 第17-19页 |
| 第2章 海参捕捞机器人技术方案设计 | 第19-35页 |
| 2.1 结构总体设计 | 第19-21页 |
| 2.2 主要装置结构设计 | 第21-26页 |
| 2.2.1 水下定位装置设计 | 第21-25页 |
| 2.2.2 捕捞头设计 | 第25-26页 |
| 2.2.3 海参收集装置设计 | 第26页 |
| 2.3 重要设备选型 | 第26-33页 |
| 2.3.1 船用柴油机选型 | 第26-29页 |
| 2.3.2 水泵选型 | 第29-31页 |
| 2.3.3 摄像头、照明设备选型 | 第31-33页 |
| 2.4 本章小结 | 第33-35页 |
| 第3章 水下海参目标图像识别研究 | 第35-53页 |
| 3.1 水下图像预处理 | 第35-43页 |
| 3.1.1 水下图像滤波 | 第35-39页 |
| 3.1.2 水下图像模糊增强 | 第39-43页 |
| 3.2 水下图像分割 | 第43-45页 |
| 3.2.1 图像分割技术 | 第43-44页 |
| 3.2.2 Canny边缘检测 | 第44-45页 |
| 3.2.3 边缘优化算法 | 第45页 |
| 3.3 水下海参目标特征提取 | 第45-48页 |
| 3.3.1 不变矩特征 | 第46-47页 |
| 3.3.2 改进的不变矩特征 | 第47-48页 |
| 3.3.3 新不变矩特征提取实验与分析 | 第48页 |
| 3.4 基于BP神经网络的水下海参图像识别 | 第48-51页 |
| 3.4.1 BP神经网络学习算法 | 第49页 |
| 3.4.2 BP学习算法的不足及改进 | 第49页 |
| 3.4.3 BP网络识别系统设计 | 第49-50页 |
| 3.4.4 水下海参识别实验与结果分析 | 第50-51页 |
| 3.5 本章小结 | 第51-53页 |
| 第4章 基于双目立体视觉的水下海参目标定位 | 第53-69页 |
| 4.1 摄像机标定 | 第53-58页 |
| 4.1.1 标定涉及的坐标系及相互关系 | 第53-54页 |
| 4.1.2 摄像机成像模型 | 第54-56页 |
| 4.1.3 双目摄像机需要标定的参数 | 第56-57页 |
| 4.1.4 张正友平面标定法 | 第57-58页 |
| 4.2 基于双目视觉的目标定位方法 | 第58-62页 |
| 4.2.1 三维重建原理 | 第58-59页 |
| 4.2.2 标记目标轮廓中心 | 第59-60页 |
| 4.2.3 轮廓中心点匹配 | 第60-61页 |
| 4.2.4 结合极线约束对轮廓中心点匹配算法的改进 | 第61-62页 |
| 4.3 实验结果与分析 | 第62-67页 |
| 4.3.1 双目摄像机标定实验 | 第62-66页 |
| 4.3.2 水下海参目标定位实验 | 第66-67页 |
| 4.4 本章小结 | 第67-69页 |
| 第5章 水下定位装置动力定位控制研究 | 第69-91页 |
| 5.1 带缆水下定位装置运动建模 | 第69-76页 |
| 5.1.1 运动建模的坐标系 | 第69-70页 |
| 5.1.2 脐带缆运动方程及其边界条件 | 第70-72页 |
| 5.1.3 水下定位装置主体运动方程 | 第72-73页 |
| 5.1.4 运动方程的简化与分解 | 第73-76页 |
| 5.2 水下定位装置动力定位的模糊控制策略 | 第76-84页 |
| 5.2.1 基本模糊控制器的设计 | 第76-81页 |
| 5.2.2 模糊控制器的优化 | 第81-84页 |
| 5.3 推进器逻辑分配 | 第84-88页 |
| 5.3.1 推进器系统的数学模型 | 第84-85页 |
| 5.3.2 二分法推力分配 | 第85-87页 |
| 5.3.3 推进器逻辑分配程序图 | 第87-88页 |
| 5.4 水下定位装置动力定位仿真 | 第88-90页 |
| 5.4.1 定向控制仿真 | 第88-89页 |
| 5.4.2 定点控制仿真 | 第89-90页 |
| 5.5 本章小结 | 第90-91页 |
| 结论 | 第91-93页 |
| 参考文献 | 第93-97页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第97-99页 |
| 致谢 | 第99页 |