| 摘要 | 第1-7页 |
| ABSTRACT | 第7-11页 |
| 第一章 绪论 | 第11-24页 |
| ·课题的研究背景 | 第11-13页 |
| ·机器视觉的研究内容、研究动态与困难 | 第13-15页 |
| ·计算智能在机器视觉中的应用 | 第15-16页 |
| ·机器视觉系统的应用 | 第16-18页 |
| ·机器人视觉系统的研究与应用现状 | 第18-21页 |
| ·本文研究内容 | 第21-22页 |
| ·本研究的目的、意义与课题来源 | 第22-24页 |
| 第二章 机器视觉的算法基础与模式识别 | 第24-39页 |
| ·透视投影变换 | 第24-28页 |
| ·线性模型摄像机标定的常规方法 | 第28-32页 |
| ·单目二维视觉测量的摄像机标定 | 第28-29页 |
| ·Faugeras 线性模型摄像机标定 | 第29-32页 |
| ·非线性摄像机模型 | 第32-33页 |
| ·立体视觉系统与基本矩阵 | 第33-36页 |
| ·双目立体视觉系统模型 | 第33-34页 |
| ·反对称矩阵与基本矩阵 | 第34-35页 |
| ·双目视觉系统的极线及约束 | 第35-36页 |
| ·模式识别与计算智能 | 第36-38页 |
| ·本章小结 | 第38-39页 |
| 第三章 计算智能在机器视觉系统标定中的应用 | 第39-77页 |
| ·摄像机标定的作用 | 第39-40页 |
| ·BP 神经网络与改进的遗传算法在摄像机标定中的应用 | 第40-48页 |
| ·摄像机的透视模型 | 第40页 |
| ·基于 BP 神经网络与遗传算法的摄像机定标 | 第40-42页 |
| ·自适应遗传算法 | 第42-43页 |
| ·交叉概率与变异概率的自适应调整 | 第43-44页 |
| ·标定流程 | 第44-45页 |
| ·标定实验 | 第45-46页 |
| ·标定精度分析 | 第46-48页 |
| ·嵌入正交权值神经网络在非线性模型摄像机标定中的应用 | 第48-62页 |
| ·摄像机的非线性模型 | 第48-50页 |
| ·基于旋转矩阵的神经网络与自适应遗传算法的摄像机标定 | 第50-56页 |
| ·鲁棒性演示实验 | 第56-58页 |
| ·真实图像实验 | 第58-59页 |
| ·基于图像残差的精度分析 | 第59-61页 |
| ·内外参数标定精度的分析 | 第61-62页 |
| ·正交学习神经网络在双目视觉系统中的应用 | 第62-75页 |
| ·摄像机模型与双目视觉系统 | 第62-64页 |
| ·次成分分析与求解算法 | 第64-65页 |
| ·双目视觉系统的求解算法 | 第65-67页 |
| ·自适应正交学习神经网络的设计 | 第67-71页 |
| ·双目视觉系统标定实验 | 第71-72页 |
| ·基于自适应正交学习网络的 3D 重建 | 第72-75页 |
| ·本章小结 | 第75-77页 |
| 第四章 机器视觉在微钻头刃面检测中的应用 | 第77-111页 |
| ·基于机器视觉的 PCB 微钻头自动化检测系统 | 第77-81页 |
| ·系统组成 | 第78-80页 |
| ·光学成像系统与系统标定 | 第80-81页 |
| ·微钻头刃面的尺寸测量和缺陷检测算法 | 第81-89页 |
| ·钻头的结构要素与几何参数 | 第81-85页 |
| ·微钻头刃面的尺寸测量 | 第85-87页 |
| ·微钻头刃面缺陷检测 | 第87-89页 |
| ·混合 BP 神经网络与遗传退火在微钻头特征曲线拟合中的应用 | 第89-97页 |
| ·BP 神经网络的设计 | 第89-91页 |
| ·遗传退火算法 | 第91-93页 |
| ·微钻头特征曲线的拟合实验 | 第93-96页 |
| ·微钻头结构参数与刃面缺陷的检测 | 第96-97页 |
| ·混合变异神经网络与粒子群优化模糊算法在微钻头检测中的应用 | 第97-109页 |
| ·微钻头的特征曲线的拟合方程 | 第97-98页 |
| ·基于计算智能的微钻头棱边投影的拟合 | 第98-105页 |
| ·微钻头特征曲线的拟合与刃面检测实验 | 第105-109页 |
| ·本章小结 | 第109-111页 |
| 第五章 机器人手眼系统的标定 | 第111-133页 |
| ·机器人机构学的数学基础 | 第111-117页 |
| ·刚体位姿描述与齐次变换 | 第111-112页 |
| ·连杆变换和运动学方程 | 第112-114页 |
| ·连杆参数和连杆坐标系 | 第114-117页 |
| ·机器人的机器视觉系统的手眼定标 | 第117-125页 |
| ·机器人的机器视觉系统 | 第117-120页 |
| ·手眼关系与基本方程 | 第120-121页 |
| ·旋转矩阵与标定算法 | 第121-124页 |
| ·手眼系统的标定实验 | 第124-125页 |
| ·基于混合旋转矩阵神经网络与变异粒子群优化的手眼系统标定 | 第125-132页 |
| ·基于混合神经网络与粒子群优化的求解算法 | 第125-126页 |
| ·整合粒子群优化算法 | 第126-129页 |
| ·求解程序流程 | 第129-130页 |
| ·机器人手眼系统标定实验与精度分析 | 第130-132页 |
| ·章节小结 | 第132-133页 |
| 结论与展望 | 第133-136页 |
| 参考文献 | 第136-148页 |
| 附录 | 第148-156页 |
| A.1 PUMA560 机器人运动学方程 | 第148-150页 |
| A.2 机器人的雅可比矩阵及构造法 | 第150-153页 |
| A.3 PUMA560 的雅克比矩阵 | 第153-156页 |
| 攻读博士学位期间取得的研究成果 | 第156-160页 |
| 致谢 | 第160-162页 |
| 附件 | 第162页 |
