基于RGB-D的机械臂三维物理模型重建技术的研究
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第10-19页 |
| 1.1 引言 | 第10页 |
| 1.2 研究背景 | 第10-13页 |
| 1.2.1 机械臂的发展和应用 | 第10-12页 |
| 1.2.2 RGB-D图像的发展和应用 | 第12-13页 |
| 1.3 国内外相关技术的发展 | 第13-15页 |
| 1.3.1 深度图像修复 | 第13-14页 |
| 1.3.2 骨架提取 | 第14页 |
| 1.3.3 三维重建 | 第14-15页 |
| 1.4 研究目的及意义 | 第15页 |
| 1.5 本文的整体结构及章节安排 | 第15-19页 |
| 第2章 深度图像获取技术概述 | 第19-28页 |
| 2.1 引言 | 第19-20页 |
| 2.2 Kinect简介 | 第20-22页 |
| 2.2.1 Kinect工作原理 | 第20-22页 |
| 2.3 深度图像与彩色图像的配准 | 第22-25页 |
| 2.3.1 Kinect标定 | 第23-24页 |
| 2.3.2 配准 | 第24-25页 |
| 2.4 RGB-D数据的采集与配准 | 第25-27页 |
| 2.4.1 实验环境介绍 | 第25页 |
| 2.4.2 RGB-D图像的获取与配准 | 第25-27页 |
| 2.5 本章小结 | 第27-28页 |
| 第3章 基于局部信息的深度图像修复 | 第28-35页 |
| 3.1 引言 | 第28-30页 |
| 3.2 快速行进法简介 | 第30-32页 |
| 3.2.1 算法主要思想和基本过程 | 第30-31页 |
| 3.2.2 算法流程图 | 第31-32页 |
| 3.3 快速行进法算法改进 | 第32-33页 |
| 3.4 实验与算法比较 | 第33-34页 |
| 3.5 本章小结 | 第34-35页 |
| 第4章 基于RGB-D图像的机械臂关节角度检测 | 第35-46页 |
| 4.1 引言 | 第35页 |
| 4.2 机械臂目标的提取 | 第35-37页 |
| 4.2.1 算法过程 | 第35-37页 |
| 4.2.2 算法流程 | 第37页 |
| 4.3 机械臂关节点的定位 | 第37-40页 |
| 4.3.1 机械臂轮廓预处理 | 第37-38页 |
| 4.3.2 机械臂轮廓的骨架提取 | 第38-39页 |
| 4.3.3 机械臂关节点的定位 | 第39-40页 |
| 4.4 机械臂关节角度的计算 | 第40-43页 |
| 4.5 实验与分析 | 第43-45页 |
| 4.6 本章小结 | 第45-46页 |
| 第5章 机械臂的三维物理模型重建与仿真 | 第46-57页 |
| 5.1 引言 | 第46页 |
| 5.2 ROS简介 | 第46-49页 |
| 5.2.1 ROS系统架构 | 第47页 |
| 5.2.2 ROS基本概念 | 第47-49页 |
| 5.3 URDF与RVIZ | 第49-51页 |
| 5.3.1 URDF语法 | 第49-50页 |
| 5.3.2 URDF文件创建 | 第50-51页 |
| 5.3.3 可视化工具RVIZ的基本描述 | 第51页 |
| 5.4 机械臂三维物理模型的建立与仿真 | 第51-55页 |
| 5.4.1 RVIZ下的机械臂三维物理模建立 | 第51-52页 |
| 5.4.2 RVIZ下的机械臂三维物理模型导入 | 第52-53页 |
| 5.4.3 RVIZ下的机械臂三维模型仿真 | 第53-55页 |
| 5.5 实验结果 | 第55-56页 |
| 5.6 本章小结 | 第56-57页 |
| 第6章 总结与展望 | 第57-59页 |
| 6.1 总结 | 第57页 |
| 6.2 展望 | 第57-59页 |
| 参考文献 | 第59-64页 |
| 攻读硕士期间已发表的论文 | 第64-65页 |
| 致谢 | 第65页 |
