基于机器人虚拟双目的三维对象识别与定位方法研究
| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第一章 绪论 | 第10-21页 |
| 1.1 课题研究背景及意义 | 第10-11页 |
| 1.2 三维对象识别与定位方法国内外研究现状 | 第11-19页 |
| 1.2.1 现有三维成像技术研究现状 | 第11-16页 |
| 1.2.2 三维视觉与机器人结合研究现状 | 第16-19页 |
| 1.3 论文的主要章节与内容 | 第19-21页 |
| 第二章 虚拟双目的三维对象识别原理及标定 | 第21-35页 |
| 2.1 引言 | 第21页 |
| 2.2 图像坐标系、摄像机坐标系与世界坐标系关系 | 第21-25页 |
| 2.2.1 图像坐标与像素坐标关系 | 第21-22页 |
| 2.2.2 摄像机坐标与世界坐标关系 | 第22-24页 |
| 2.2.3 线性相机的摄像机坐标与图像坐标的关系 | 第24-25页 |
| 2.3 虚拟双目深度信息恢复原理 | 第25-27页 |
| 2.3.1 三角测量原理 | 第26页 |
| 2.3.2 虚拟双目的深度恢复 | 第26-27页 |
| 2.4 手眼系统的几何关系 | 第27-28页 |
| 2.5 标定原理及实现 | 第28-34页 |
| 2.5.1 摄像机的标定 | 第28-30页 |
| 2.5.2 手眼标定方法 | 第30-32页 |
| 2.5.3 标定结果显示 | 第32-34页 |
| 2.6 本章小结 | 第34-35页 |
| 第三章 图像摄取位置的规划 | 第35-43页 |
| 3.1 引言 | 第35页 |
| 3.2 首幅图像物体姿态的获取 | 第35-37页 |
| 3.2.1 姿态预估计的研究 | 第35-36页 |
| 3.2.2 姿态预估模型的建立 | 第36-37页 |
| 3.3 神经网络的构建 | 第37-42页 |
| 3.3.1 图像预处理 | 第38-39页 |
| 3.3.2 特征提取 | 第39页 |
| 3.3.3 不完整图形位姿判断 | 第39-40页 |
| 3.3.4 变形层 | 第40-41页 |
| 3.3.5 分类器 | 第41页 |
| 3.3.6 机器人第二姿态的规划 | 第41-42页 |
| 3.4 本章小结 | 第42-43页 |
| 第四章 三维匹配算法研究 | 第43-60页 |
| 4.1 引言 | 第43页 |
| 4.2 三维匹配 | 第43-46页 |
| 4.2.1 匹配算法 | 第43-45页 |
| 4.2.2 约束条件 | 第45-46页 |
| 4.3 极线约束 | 第46-47页 |
| 4.4 图像匹配预处理 | 第47-57页 |
| 4.4.1 增强特征信息 | 第47-56页 |
| 4.4.2 视图变换 | 第56-57页 |
| 4.5 立体匹配算法 | 第57-59页 |
| 4.5.1 匹配算法 | 第58-59页 |
| 4.5.2 匹配点的校验 | 第59页 |
| 4.6 本章小结 | 第59-60页 |
| 第五章 实验及误差分析 | 第60-75页 |
| 5.1 引言 | 第60页 |
| 5.2 实验系统介绍 | 第60-62页 |
| 5.2.1 基于机器人虚拟双目系统的硬件构成 | 第60-61页 |
| 5.2.2 基于机器人虚拟双目系统的软件构成 | 第61-62页 |
| 5.3 三维对象识别与定位实验 | 第62-63页 |
| 5.4 误差来源及其影响 | 第63-68页 |
| 5.4.1 非线性相机成像模型的误差 | 第63-65页 |
| 5.4.2 三维匹配算法的误差 | 第65-67页 |
| 5.4.3 机器人本体导致的误差 | 第67-68页 |
| 5.5 误差抑制方法 | 第68-74页 |
| 5.5.1 图像畸变误差的矫正 | 第68-70页 |
| 5.5.2 机器人本体误差补偿 | 第70-72页 |
| 5.5.3 三维重建的优化方法 | 第72-74页 |
| 5.6 本章小结 | 第74-75页 |
| 第六章 总结与展望 | 第75-77页 |
| 6.1 总结 | 第75-76页 |
| 6.2 展望 | 第76-77页 |
| 参考文献 | 第77-82页 |
| 攻读学位期间本人学术成果 | 第82-83页 |
| 1 论文 | 第82页 |
| 2 发明专利 | 第82-83页 |
| 致谢 | 第83-84页 |
