| 摘要 | 第5-6页 |
| abstract | 第6页 |
| 第1章 绪论 | 第9-21页 |
| 1.1 课题背景及研究意义 | 第9-10页 |
| 1.2 机器人视觉伺服研究现状 | 第10-15页 |
| 1.2.1 视觉伺服分类 | 第10-11页 |
| 1.2.2 视觉伺服结构形式 | 第11-15页 |
| 1.3 视觉伺服系统研究内容 | 第15-20页 |
| 1.3.1 视觉测量系统 | 第16页 |
| 1.3.2 控制系统设计 | 第16-20页 |
| 1.4 论文主要内容 | 第20-21页 |
| 第2章 机器人视觉伺服控制基础 | 第21-32页 |
| 2.1 引言 | 第21页 |
| 2.2 机器人运动学 | 第21-28页 |
| 2.2.1 机器人运动学方程 | 第21-25页 |
| 2.2.2 机器人雅可比矩阵 | 第25-28页 |
| 2.3 机器人动力学 | 第28-29页 |
| 2.4 NAO机器人控制 | 第29-30页 |
| 2.5 总结 | 第30-32页 |
| 第3章 机器人视觉测量定位 | 第32-44页 |
| 3.1 引言 | 第32页 |
| 3.2 机器人视觉测量 | 第32-37页 |
| 3.2.1 摄像机模型及坐标变换 | 第32-35页 |
| 3.2.2 摄像机标定技术 | 第35-36页 |
| 3.2.3 机器人单目定位模型 | 第36-37页 |
| 3.3 视觉系统中的图像处理算法 | 第37-42页 |
| 3.3.1 基于图像分割技术的目标识别 | 第39-40页 |
| 3.3.2 基于运动检测的目标检测 | 第40-42页 |
| 3.4 实验结果及分析 | 第42-43页 |
| 3.5 总结 | 第43-44页 |
| 第4章 神经网络结构分解算法在机器人控制中的应用 | 第44-60页 |
| 4.1 引言 | 第44页 |
| 4.2 神经网络理论基础 | 第44-50页 |
| 4.2.1 神经元模型及学习算法 | 第45-46页 |
| 4.2.2 神经网络拓扑结构与BP学习算法 | 第46-49页 |
| 4.2.3 神经网络泛化理论 | 第49-50页 |
| 4.3 神经网络的结构分解算法 | 第50-52页 |
| 4.3.1 神经网络输入输出分解算法 | 第50-51页 |
| 4.3.2 Skeletonization 算法 | 第51-52页 |
| 4.4 机器人神经网络控制 | 第52-56页 |
| 4.5 实验结果及分析 | 第56-59页 |
| 4.6 总结 | 第59-60页 |
| 第5章 基于ReLU神经网络的移动目标视觉伺服问题研究 | 第60-67页 |
| 5.1 引言 | 第60页 |
| 5.2 视觉系统设计 | 第60-62页 |
| 5.3 机器人视觉伺服系统设计 | 第62-64页 |
| 5.4 实验结果及分析 | 第64-66页 |
| 5.5 本章小结 | 第66-67页 |
| 第6章 结论与展望 | 第67-68页 |
| 6.1 全文总结 | 第67页 |
| 6.2 研究展望 | 第67-68页 |
| 参考文献 | 第68-72页 |
| 致谢 | 第72-73页 |
| 攻读学位期间参加的科研项目和成果 | 第73页 |