基于单目视觉的卸砖机器人智能抓取技术的研究
| 摘要 | 第3-4页 |
| abstract | 第4-5页 |
| 第1章 绪论 | 第9-19页 |
| 1.1 选题背景及意义 | 第9-11页 |
| 1.2 工业机器人研究现状 | 第11-13页 |
| 1.3 基于视觉工业机器人研究现状 | 第13-17页 |
| 1.3.1 国外研究现状 | 第13-15页 |
| 1.3.2 国内研究现状 | 第15-17页 |
| 1.4 研究方法及论文结构 | 第17-19页 |
| 1.4.1 论文研究内容及方法 | 第17页 |
| 1.4.2 论文结构安排 | 第17-19页 |
| 第2章 基于视觉的机器人抓取方案设计 | 第19-31页 |
| 2.1 整体方案设计 | 第19-21页 |
| 2.2 卸砖机器人构成 | 第21-23页 |
| 2.3 控制系统方案确定 | 第23-26页 |
| 2.3.1 控制系统硬件介绍和选取 | 第23-24页 |
| 2.3.2 主要硬件设计和选择 | 第24-25页 |
| 2.3.3 控制系统辅助功能 | 第25-26页 |
| 2.4 机器视觉系统硬件选择 | 第26-29页 |
| 2.4.1 工业CCD相机 | 第26-27页 |
| 2.4.2 镜头 | 第27-29页 |
| 2.4.3 图像采集卡 | 第29页 |
| 2.5 控制系统和视觉系统的交互 | 第29-30页 |
| 2.6 本章小结 | 第30-31页 |
| 第3章 基于Eye-to-Hand的单目视觉定位 | 第31-43页 |
| 3.1 机器人视觉引导方式 | 第31-34页 |
| 3.2 视觉系统坐标系关系 | 第34-40页 |
| 3.2.1 常用坐标系定义 | 第34-36页 |
| 3.2.2 坐标系相互转换关系 | 第36-37页 |
| 3.2.3 摄像机目标测距原理 | 第37-40页 |
| 3.3 单目摄像机的标定实验 | 第40-42页 |
| 3.3.1 选取标定参照物 | 第40-41页 |
| 3.3.2 工件坐标系选取 | 第41-42页 |
| 3.3.3 计算摄像机内参数dx和dy | 第42页 |
| 3.4 本章小结 | 第42-43页 |
| 第4章 图像预处理 | 第43-53页 |
| 4.1 数字图像处理概述 | 第43-44页 |
| 4.2 图像灰度处理 | 第44-45页 |
| 4.2.1 图像灰度化的作用 | 第44页 |
| 4.2.2 图像灰度化实验 | 第44-45页 |
| 4.3 图像增强 | 第45-48页 |
| 4.3.1 图像增强的作用 | 第45-46页 |
| 4.3.2 直方图增强 | 第46-47页 |
| 4.3.3 实验结果与分析 | 第47-48页 |
| 4.4 图像滤波 | 第48-50页 |
| 4.4.1 图像滤波的目的 | 第48页 |
| 4.4.2 图像滤波的研究与分析 | 第48-49页 |
| 4.4.3 实验结果与分析 | 第49-50页 |
| 4.5 二值化 | 第50-52页 |
| 4.5.1 二值化目的 | 第50页 |
| 4.5.2 二值化的研究与分析 | 第50-51页 |
| 4.5.3 实验结果与分析 | 第51-52页 |
| 4.6 本章小结 | 第52-53页 |
| 第5章 砖垛识别与应用测试 | 第53-62页 |
| 5.1 边缘检测 | 第53-56页 |
| 5.1.1 基本方法 | 第53-54页 |
| 5.1.2 传统Canny算法原理及缺陷分析 | 第54页 |
| 5.1.3 传统Canny算法的改进 | 第54-56页 |
| 5.1.4 实验结果分析 | 第56页 |
| 5.2 砖垛位姿的确定 | 第56-59页 |
| 5.2.1 砖块坐标数据获取 | 第57-58页 |
| 5.2.2 确定砖块摆放姿态 | 第58-59页 |
| 5.3 应用测试与分析 | 第59-61页 |
| 5.4 本章小结 | 第61-62页 |
| 第6章 结论与展望 | 第62-63页 |
| 6.1 结论 | 第62页 |
| 6.2 进一步工作的方向 | 第62-63页 |
| 致谢 | 第63-64页 |
| 参考文献 | 第64-67页 |
| 攻读学位期间的研究成果 | 第67页 |
