机器视觉在工业机器人分拣系统中的应用
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-18页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 机器人视觉伺服 | 第11-13页 |
| 1.2.1 机器人视觉伺服概述 | 第11页 |
| 1.2.2 机器人视觉伺服系统分类 | 第11-13页 |
| 1.3 视觉分拣目标识别技术现状 | 第13-15页 |
| 1.4 工业机器人分拣装备现状 | 第15-16页 |
| 1.5 论文的主要研究内容及结构安排 | 第16-18页 |
| 第2章 视觉分拣系统搭建 | 第18-27页 |
| 2.1 整体方案设计 | 第18-19页 |
| 2.2 分拣工业机器人选型 | 第19-20页 |
| 2.3 图像采集设备选型 | 第20-25页 |
| 2.3.1 工业相机的选型 | 第20-22页 |
| 2.3.2 光学镜头的选型 | 第22-24页 |
| 2.3.3 照明光源的选型 | 第24-25页 |
| 2.4 系统软件设计 | 第25-26页 |
| 2.5 本章小结 | 第26-27页 |
| 第3章 相机标定 | 第27-42页 |
| 3.1 成像模型 | 第27-32页 |
| 3.1.1 小孔成像模型 | 第27-28页 |
| 3.1.2 模型中的坐标系 | 第28页 |
| 3.1.3 坐标系间的转换关系 | 第28-30页 |
| 3.1.4 非线性成像模型 | 第30-32页 |
| 3.2 相机标定方法 | 第32-36页 |
| 3.2.1 传统相机标定法 | 第32-35页 |
| 3.2.2 主动视觉相机标定方法 | 第35页 |
| 3.2.3 相机自标定法 | 第35-36页 |
| 3.3 标定实验 | 第36-41页 |
| 3.3.1 基于张正友标定法的相机标定 | 第36-38页 |
| 3.3.2 重投影误差分析 | 第38-41页 |
| 3.4 本章小结 | 第41-42页 |
| 第4章 简单情形下目标的视觉识别 | 第42-60页 |
| 4.1 图像预处理 | 第42-46页 |
| 4.2 无重叠目标识别技术 | 第46-53页 |
| 4.2.1 目标图像分割 | 第46-49页 |
| 4.2.2 模板匹配技术 | 第49-53页 |
| 4.3 基于特征融合的目标识别方法 | 第53-55页 |
| 4.4 简单情形下目标识别实验 | 第55-58页 |
| 4.5 本章小结 | 第58-60页 |
| 第5章 基于特征点匹配的目标识别 | 第60-78页 |
| 5.1 特征点检测算法 | 第60-68页 |
| 5.1.1 SIFT特征点检测 | 第60-64页 |
| 5.1.2 SURF特征点检测 | 第64-66页 |
| 5.1.3 ORB特征点检测 | 第66-68页 |
| 5.2 ORB误匹配消除方法 | 第68-72页 |
| 5.2.1 基于约束的误匹配剔除 | 第69-70页 |
| 5.2.2 基于DBSCAN聚类算法剔除误匹配 | 第70-71页 |
| 5.2.3 改进的RANSAC算法剔除误匹配 | 第71-72页 |
| 5.3 部分遮挡情形下工件的特征点匹配实验 | 第72-77页 |
| 5.3.1 SIFT特征点匹配 | 第72-73页 |
| 5.3.2 SURF特征点匹配 | 第73-74页 |
| 5.3.3 ORB特征点匹配 | 第74-76页 |
| 5.3.4 算法对比 | 第76-77页 |
| 5.4 本章小结 | 第77-78页 |
| 结论与展望 | 第78-80页 |
| 论文总结 | 第78页 |
| 论文不足及展望 | 第78-80页 |
| 参考文献 | 第80-85页 |
| 致谢 | 第85-86页 |
| 附录A 攻读学位期间所发表的学术成果 | 第86页 |
