工业机器人多目视觉融合模型研究
| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第一章 绪论 | 第9-13页 |
| ·课题研发背景及研究意义 | 第9-10页 |
| ·国内外研究现状 | 第10-12页 |
| ·论文组织结构 | 第12-13页 |
| 第二章 机器人视觉目标的图像处理技术 | 第13-28页 |
| ·图像边缘提取 | 第13-17页 |
| ·图像边缘检测 | 第14-15页 |
| ·常见梯度算子 | 第15-17页 |
| ·目标提取 | 第17-22页 |
| ·背景减除法 | 第18-20页 |
| ·帧差法 | 第20-21页 |
| ·基于边缘检测的目标提取 | 第21-22页 |
| ·目标的倾斜校正 | 第22-26页 |
| ·Hough变换 | 第22-24页 |
| ·基于傅里叶变换的倾斜校正 | 第24页 |
| ·倾斜校正 | 第24-26页 |
| ·目标的归一化 | 第26页 |
| ·开放视觉库OpenCV的应用 | 第26-27页 |
| ·本章小结 | 第27-28页 |
| 第三章 目标图像的特征提取 | 第28-34页 |
| ·多视觉目标图像特征提取 | 第28-29页 |
| ·多特征提取 | 第29-33页 |
| ·实体特征提取 | 第30页 |
| ·边缘特征提取 | 第30-31页 |
| ·扩展的矩特征提取 | 第31-33页 |
| ·样本矩阵的形成 | 第33页 |
| ·本章小结 | 第33-34页 |
| 第四章 工业机器人多目视觉的融合 | 第34-49页 |
| ·多目视觉的MAS结构 | 第34-35页 |
| ·多目视觉神经网络的建立与批训练 | 第35-42页 |
| ·BP神经网络 | 第35-38页 |
| ·BP神经网络批训练的矩阵表达 | 第38-41页 |
| ·BP神经网络结构参数选择与训练 | 第41-42页 |
| ·基于D-S证据理论的多目视觉的融合 | 第42-48页 |
| ·D-S证据理论的基本概念 | 第43页 |
| ·D-S合成规则 | 第43-44页 |
| ·基于D-S合成规则的组合神经网络的融合 | 第44-46页 |
| ·目标识别的D-S证据融合 | 第46-48页 |
| ·本章小结 | 第48-49页 |
| 第五章 多目视觉的试验结果与分析 | 第49-59页 |
| ·多目视觉系统的建立 | 第49-50页 |
| ·多目视觉系统的软件实现 | 第50-52页 |
| ·神经网络学习样本的训练 | 第52-55页 |
| ·D-S证据融合及实验分析 | 第55-58页 |
| ·本章小结 | 第58-59页 |
| 第六章 基于多目视觉的机器人运动跟踪 | 第59-69页 |
| ·卡尔曼滤波器算法 | 第59-61页 |
| ·机器人目标跟踪的卡尔曼滤波器设计 | 第61-64页 |
| ·实验结果分析 | 第64-68页 |
| ·本章小结 | 第68-69页 |
| 结论与展望 | 第69-70页 |
| 参考文献 | 第70-73页 |
| 攻读学位期间发表的论文 | 第73-74页 |
| 致谢 | 第74页 |
