图像引导机器人的视觉识别研究
| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第12-22页 |
| 1.1 研究背景及意义 | 第12页 |
| 1.2 图像引导机器人研究现状 | 第12-20页 |
| 1.2.1 工业机器人的研究现状 | 第13-14页 |
| 1.2.2 图像识别技术的研究现状 | 第14-15页 |
| 1.2.3 字符识别研究现状 | 第15-18页 |
| 1.2.4 国内外机器视觉的应用现状 | 第18-20页 |
| 1.3 机器视觉的技术难点 | 第20-21页 |
| 1.4 本文研究目的和内容 | 第21-22页 |
| 第2章 视觉引导机器人的系统设计 | 第22-32页 |
| 2.1 视觉引导机器人的系统框架 | 第22-23页 |
| 2.2 视觉引导识别系统平台的工作原理 | 第23-24页 |
| 2.3 视觉引导识别系统的平台搭建 | 第24-26页 |
| 2.3.1 机械手臂装置 | 第24-26页 |
| 2.3.2 图像采集与数据分析装置 | 第26页 |
| 2.4 视觉识别的算法设计 | 第26-30页 |
| 2.4.1 图像畸变矫正模块 | 第26-27页 |
| 2.4.2 阈值分割模块 | 第27-29页 |
| 2.4.3 边缘检测模块 | 第29页 |
| 2.4.4 目标识别 | 第29-30页 |
| 2.5 系统界面设计 | 第30-31页 |
| 2.6 本章小结 | 第31-32页 |
| 第3章 图像采集与预处理 | 第32-58页 |
| 3.1 图像采集 | 第32-33页 |
| 3.2 噪声分析 | 第33-34页 |
| 3.3 图像畸变矫正 | 第34-37页 |
| 3.4 图像的提取与存储 | 第37-42页 |
| 3.4.1 自动多边形提取 | 第38-40页 |
| 3.4.2 手动任意提取 | 第40-41页 |
| 3.4.3 图像的存储 | 第41-42页 |
| 3.5 图像灰度化 | 第42-43页 |
| 3.6 图像增强 | 第43-50页 |
| 3.6.1 GRAY图像伽马增强 | 第45-47页 |
| 3.6.2 RGB图像伽马增强 | 第47-48页 |
| 3.6.3 边缘平滑 | 第48-50页 |
| 3.7 目标分割 | 第50-54页 |
| 3.7.1 加权平均灰度图像的分割 | 第51页 |
| 3.7.2 HSV颜色空间图像的分割 | 第51-54页 |
| 3.8 形态学处理 | 第54-57页 |
| 3.8.1 腐蚀与膨胀运算 | 第54-56页 |
| 3.8.2 开闭运算 | 第56-57页 |
| 3.9 本章小结 | 第57-58页 |
| 第4章 边沿检测与自动定位算法 | 第58-74页 |
| 4.1 局部过度曝光处理 | 第58-67页 |
| 4.1.1 “叠加”法 | 第58-62页 |
| 4.1.2 “分块”法 | 第62-67页 |
| 4.2 粘连对象的分割 | 第67-71页 |
| 4.2.1 粘连对象的粗分割 | 第68-69页 |
| 4.2.2 粘连对象的单个分割 | 第69-71页 |
| 4.3 图像边缘检测 | 第71-72页 |
| 4.4 硬币的识别与定位 | 第72-73页 |
| 4.5 本章小结 | 第73-74页 |
| 第5章 字符识别算法 | 第74-86页 |
| 5.1 图像样本的制作 | 第74-79页 |
| 5.1.1 图像的获取与预处理 | 第74-77页 |
| 5.1.2 样本的制作 | 第77-79页 |
| 5.2 样本的增加与归一化 | 第79-80页 |
| 5.3 CNN网络模型的搭建与训练 | 第80-82页 |
| 5.4 棋子的自动识别结果 | 第82-85页 |
| 5.5 本章小结 | 第85-86页 |
| 第6章 结论与展望 | 第86-88页 |
| 6.1 全文总结 | 第86-87页 |
| 6.2 研究展望 | 第87-88页 |
| 参考文献 | 第88-94页 |
| 附录 攻读硕士学位期间发表的成果 | 第94-96页 |
| (一)已发表论文 | 第94页 |
| (二)发表专利 | 第94-96页 |
| 致谢 | 第96页 |
