基于2D和3D视觉的工业机器人识别与抓取系统研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第9-19页 |
| 1.1 课题概述 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-16页 |
| 1.3 研究现状总结及问题分析 | 第16-17页 |
| 1.4 本文的主要工作与结构 | 第17-19页 |
| 2 基于RGBD相机的机器人手眼标定 | 第19-29页 |
| 2.1 引言 | 第19页 |
| 2.2 Kinect V2.0深度测量原理简析 | 第19-20页 |
| 2.3 工业机器人手眼标定 | 第20-25页 |
| 2.4 深度相机标定 | 第25-28页 |
| 2.5 本章小结 | 第28-29页 |
| 3 基于2D图像特征的物体识别研究 | 第29-39页 |
| 3.1 引言 | 第29-30页 |
| 3.2 图像特征的SURF算法及其提取研究 | 第30-33页 |
| 3.3 特征匹配算法分析及确定 | 第33-36页 |
| 3.4 目标物体所在区域的识别 | 第36-38页 |
| 3.5 本章小结 | 第38-39页 |
| 4 基于3D残缺点云的物体姿态估计 | 第39-50页 |
| 4.1 引言 | 第39页 |
| 4.2 物体三维点云模型的构建 | 第39-42页 |
| 4.3 ROI残缺点云与模型点云的配准 | 第42-46页 |
| 4.4 四元数与目标物体姿态估计 | 第46-48页 |
| 4.5 本章小结 | 第48-50页 |
| 5 工业机器人运动规划与抓取实验设计 | 第50-60页 |
| 5.1 引言 | 第50页 |
| 5.2 系统软件框架设计 | 第50-53页 |
| 5.3 抓取场景与URDF参数模型构建 | 第53-54页 |
| 5.4 6轴工业机器人运动规划仿真分析 | 第54-57页 |
| 5.5 工业机器人识别与抓取实验验证 | 第57-59页 |
| 5.6 本章小结 | 第59-60页 |
| 6 总结与展望 | 第60-62页 |
| 6.1 全文总结 | 第60页 |
| 6.2 研究展望 | 第60-62页 |
| 致谢 | 第62-63页 |
| 参考文献 | 第63-67页 |
