| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第8-13页 |
| 1.1 课题的研究背景及意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-12页 |
| 1.2.1 国外研究现状 | 第10-11页 |
| 1.2.2 国内研究现状 | 第11-12页 |
| 1.3 论文研究内容与组织结构 | 第12-13页 |
| 第2章 机械臂混合视觉的系统建模 | 第13-28页 |
| 2.1 引言 | 第13页 |
| 2.2 摄像机成像模型 | 第13-18页 |
| 2.3 机械臂建模与正逆运动学分析 | 第18-23页 |
| 2.3.1 机械臂系统构形描述 | 第18-20页 |
| 2.3.2 正运动学分析 | 第20-22页 |
| 2.3.3 逆运动学求解 | 第22-23页 |
| 2.4 机械臂视觉伺服模型 | 第23-27页 |
| 2.5 本章小结 | 第27-28页 |
| 第3章 基于机械臂视觉伺服的单相机位姿估计方法 | 第28-48页 |
| 3.1 引言 | 第28-29页 |
| 3.2 基于卡尔曼滤波的位姿估计 | 第29-33页 |
| 3.2.1 线性卡尔曼滤波 | 第29-30页 |
| 3.2.2 基于扩展卡尔曼滤波的位姿估计 | 第30-32页 |
| 3.2.3 基于无迹卡尔曼滤波的位姿估计 | 第32-33页 |
| 3.3 基于平滑变结构滤波的位姿估计 | 第33-35页 |
| 3.4 基于卡尔曼平滑变结构滤波的位姿估计 | 第35-39页 |
| 3.4.1 基于扩展卡尔曼平滑变结构滤波的位姿估计 | 第37-38页 |
| 3.4.2 基于无迹卡尔曼平滑变结构滤波的位姿估计 | 第38-39页 |
| 3.5 仿真结果及分析 | 第39-47页 |
| 3.5.1 基于卡尔曼滤波仿真分析 | 第40-42页 |
| 3.5.2 基于平滑变结构滤波仿真分析 | 第42-45页 |
| 3.5.3 基于卡尔曼平滑变结构滤波仿真分析 | 第45-47页 |
| 3.6 本章小结 | 第47-48页 |
| 第4章 基于机械臂视觉伺服的多相机系统数据融合 | 第48-62页 |
| 4.1 引言 | 第48-49页 |
| 4.2 基于卡尔曼的集中式数据融合 | 第49-51页 |
| 4.3 分布式数据融合 | 第51-53页 |
| 4.3.1 基于卡尔曼的分布式数据融合 | 第51-52页 |
| 4.3.2 基于有序加权平均算子的分布式数据融合 | 第52-53页 |
| 4.4 仿真结果分析 | 第53-61页 |
| 4.4.1 基于卡尔曼的集中式数据融合仿真结果分析 | 第54-56页 |
| 4.4.2 基于卡尔曼的分布式数据融合仿真结果分析 | 第56-59页 |
| 4.4.3 基于有序加权平均算子的分布式数据融合仿真结果分析 | 第59-61页 |
| 4.5 本章小结 | 第61-62页 |
| 第5章 结论 | 第62-63页 |
| 5.1 总结 | 第62页 |
| 5.2 展望 | 第62-63页 |
| 致谢 | 第63-64页 |
| 参考文献 | 第64-68页 |
| 作者简介 | 第68-69页 |
| 攻读硕士学位期间研究成果 | 第69页 |
