| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-17页 |
| 1.1 课题来源及背景意义 | 第9-10页 |
| 1.1.1 课题来源 | 第9页 |
| 1.1.2 课题背景及意义 | 第9-10页 |
| 1.2 国内外研究现状及分析 | 第10-15页 |
| 1.2.1 立体匹配算法研究现状 | 第10-11页 |
| 1.2.2 点云配准算法研究现状 | 第11-13页 |
| 1.2.3 基于视觉的智能服务机器人研究现状 | 第13-15页 |
| 1.3 研究现状总结分析 | 第15页 |
| 1.4 主要研究内容 | 第15-17页 |
| 第2章 基于局部不变特征的目标识别和图像分割算法研究 | 第17-37页 |
| 2.1 引言 | 第17页 |
| 2.2 局部不变特征匹配算法分析 | 第17-20页 |
| 2.3 特征匹配算法改进与融合 | 第20-26页 |
| 2.3.1 结合颜色不变量的SURF算法研究 | 第21-22页 |
| 2.3.2 基于三像素块描述的ORB算法研究 | 第22-23页 |
| 2.3.3 特征匹配算法融合研究 | 第23-26页 |
| 2.4 错误匹配特征点剔除算法研究 | 第26-28页 |
| 2.5 特征匹配算法运行结果与分析 | 第28-30页 |
| 2.6 目标物体图像分割算法研究 | 第30-36页 |
| 2.6.1 GrabCut图像分割算法研究 | 第30-32页 |
| 2.6.2 图像分割算法交互性改进 | 第32-34页 |
| 2.6.3 图像分割结果评估 | 第34-36页 |
| 2.7 本章小结 | 第36-37页 |
| 第3章 基于点云配准的目标物体位姿求取 | 第37-60页 |
| 3.1 引言 | 第37页 |
| 3.2 基于图像矩的目标物体质心求取 | 第37-42页 |
| 3.2.1 Canny边缘检测 | 第37-38页 |
| 3.2.2 图像矩计算 | 第38-39页 |
| 3.2.3 目标图像二值化与滤波 | 第39-41页 |
| 3.2.4 极线约束 | 第41-42页 |
| 3.3 点云配准模型及配准精度评价指标 | 第42-44页 |
| 3.4 点云粗配准算法研究 | 第44-52页 |
| 3.4.1 基于全等四点基的点云粗配准 | 第44-47页 |
| 3.4.2 粗配准算法复杂度分析 | 第47-48页 |
| 3.4.3 粗配准算法改进 | 第48-49页 |
| 3.4.4 实验结果与分析 | 第49-52页 |
| 3.5 点云精配准算法研究 | 第52-58页 |
| 3.5.1 ICP点云精配准 | 第52-53页 |
| 3.5.2 ICP精配准算法改进 | 第53-57页 |
| 3.5.3 实验结果与分析 | 第57-58页 |
| 3.6 本章小结 | 第58-60页 |
| 第4章 目标物体识别定位与抓取实验研究 | 第60-72页 |
| 4.1 引言 | 第60页 |
| 4.2 实验平台搭建 | 第60-62页 |
| 4.2.1 实验平台简介 | 第60-61页 |
| 4.2.2 实验方案 | 第61-62页 |
| 4.3 双目相机标定和深度点云获取 | 第62-64页 |
| 4.3.1 双目相机标定实验 | 第62页 |
| 4.3.2 深度点云获取 | 第62-64页 |
| 4.4 算法性能验证 | 第64-67页 |
| 4.4.1 目标识别算法验证 | 第64-66页 |
| 4.4.2 点云配准算法验证 | 第66-67页 |
| 4.5 目标物体抓取实验 | 第67-71页 |
| 4.5.1 机械臂抓取仿真实验 | 第67-68页 |
| 4.5.2 目标物体实物抓取试验 | 第68-71页 |
| 4.6 本章小结 | 第71-72页 |
| 结论 | 第72-73页 |
| 参考文献 | 第73-78页 |
| 攻读学位期间发表的学术论文及其它成果 | 第78-80页 |
| 致谢 | 第80页 |