| 中文摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第一章 绪论 | 第8-21页 |
| 1.1 课题的研究背景与意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-18页 |
| 1.2.1 视触融合系统的研究现状 | 第9-12页 |
| 1.2.2 机器人抓取设备的研究现状 | 第12-18页 |
| 1.3 机械手臂目标抓取主要难点 | 第18页 |
| 1.4 论文的主要研究内容 | 第18-19页 |
| 1.5 论文的主要创新点 | 第19页 |
| 1.6 论文的组织结构 | 第19-20页 |
| 1.7 本章小结 | 第20-21页 |
| 第二章 机械手臂目标抓取的总体框架 | 第21-24页 |
| 2.1 引言 | 第21页 |
| 2.2 系统总体框架 | 第21-23页 |
| 2.2.1 触觉辅助视觉的抓取策略模块 | 第22页 |
| 2.2.2 基于触觉手套的视触融合目标识别模块 | 第22-23页 |
| 2.2.3 基于数据手套的控制动作识别模块 | 第23页 |
| 2.3 本章小结 | 第23-24页 |
| 第三章 机械手臂自主目标抓取策略 | 第24-35页 |
| 3.1 引言 | 第24页 |
| 3.2 机械手臂平台简介 | 第24-26页 |
| 3.3 机械手臂坐标系标定 | 第26-27页 |
| 3.4 基于视觉的目标检测 | 第27-28页 |
| 3.4.1 基于背景相减的目标检测 | 第27页 |
| 3.4.2 基于sobel算子的抓取主方向估计 | 第27-28页 |
| 3.5 触觉序列提取与分析 | 第28-31页 |
| 3.6 触觉辅助视觉的目标抓取流程 | 第31-33页 |
| 3.7 实验分析 | 第33-34页 |
| 3.8 本章小结 | 第34-35页 |
| 第四章 基于触觉手套的视触融合目标识别 | 第35-52页 |
| 4.1 引言 | 第35页 |
| 4.2 分类识别算法 | 第35-39页 |
| 4.2.1 ELM算法介绍 | 第35-38页 |
| 4.2.2 kernel ELM算法 | 第38-39页 |
| 4.3 视觉和触觉特征表达 | 第39-42页 |
| 4.3.1 协方差描述子 | 第39-40页 |
| 4.3.2 动态时间规整算法 | 第40-42页 |
| 4.4 基于kernel ELM的视触融合算法 | 第42-44页 |
| 4.4.1 视触融合目标识别算法的训练过程 | 第42-43页 |
| 4.4.2 视触融合目标识别算法的识别过程 | 第43-44页 |
| 4.5 实验及结果分析 | 第44-51页 |
| 4.5.1 信息采集 | 第44-47页 |
| 4.5.2 实验结果及比较 | 第47-51页 |
| 4.6 本章小结 | 第51-52页 |
| 第五章 基于数据手套的控制动作识别 | 第52-66页 |
| 5.1 引言 | 第52页 |
| 5.2 数据手套的介绍 | 第52-55页 |
| 5.2.1 数据手套传感器概述 | 第52-53页 |
| 5.2.2 数据手套特征分布概述 | 第53-55页 |
| 5.3 基于kernel ELM的手势分类算法 | 第55-56页 |
| 5.3.1 基于kernel ELM的手势识别框架 | 第55-56页 |
| 5.3.2 基于kernel ELM的静态手势识别 | 第56页 |
| 5.3.3 基于kernel ELM的动态手势识别 | 第56页 |
| 5.4 实验结果与分析 | 第56-65页 |
| 5.4.1 静态手势实验结果 | 第56-62页 |
| 5.4.2 动态手势实验结果 | 第62-65页 |
| 5.5 本章小结 | 第65-66页 |
| 结论与展望 | 第66-68页 |
| 参考文献 | 第68-72页 |
| 致谢 | 第72-73页 |
| 个人简历 | 第73-74页 |
| 在学期间的研究成果及发表的学术论文 | 第74页 |
