仿人体3D运动的机械手臂运动轨迹自动生成的研究
| 摘要 | 第3-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第10-20页 |
| 1.1 研究背景及意义 | 第10-12页 |
| 1.1.1 研究背景 | 第10-12页 |
| 1.1.2 研究意义 | 第12页 |
| 1.2 国内外研究现状 | 第12-15页 |
| 1.3 研究内容及目标 | 第15-18页 |
| 1.3.1 研究内容 | 第16-18页 |
| 1.3.2 研究目标 | 第18页 |
| 1.4 论文内容安排 | 第18-20页 |
| 第2章 立体视觉运动捕捉系统 | 第20-38页 |
| 2.1 引言 | 第20-21页 |
| 2.2 多目摄像机系统成像原理及标定 | 第21-26页 |
| 2.2.1 小孔相机的投影变换 | 第21-22页 |
| 2.2.2 对极几何 | 第22-24页 |
| 2.2.3 基础矩阵 | 第24-25页 |
| 2.2.4 多目相机的标定 | 第25-26页 |
| 2.3 运动捕捉系统 | 第26-36页 |
| 2.3.1 系统硬件搭建 | 第29-30页 |
| 2.3.2 系统软件标定 | 第30-33页 |
| 2.3.3 数据采集 | 第33-34页 |
| 2.3.4 从服务器端到客户端的数据传输 | 第34-36页 |
| 2.4 本章小结 | 第36-38页 |
| 第3章 机器人运动学建模 | 第38-52页 |
| 3.1 引言 | 第38-39页 |
| 3.2 运动学模型的建立 | 第39-44页 |
| 3.3 逆运动学方程的建立及求解 | 第44-48页 |
| 3.4 计算实例 | 第48页 |
| 3.5 运动学仿真 | 第48-51页 |
| 3.6 本章小结 | 第51-52页 |
| 第4章 手臂运动分析 | 第52-66页 |
| 4.1 引言 | 第52页 |
| 4.2 人体手臂运动分析 | 第52-56页 |
| 4.2.1 手臂运动数据获取方法 | 第53-54页 |
| 4.2.2 肩关节角度测量 | 第54-55页 |
| 4.2.3 肘关节角度测量 | 第55页 |
| 4.2.4 小臂角度测量 | 第55-56页 |
| 4.3 手臂运动捕捉实验 | 第56-57页 |
| 4.4 自适应神经模糊推理系统 | 第57-58页 |
| 4.5 自适应神经模糊推理系统的结构与学习算法 | 第58-63页 |
| 4.5.1 自适应神经模糊推理系统的结构 | 第59-61页 |
| 4.5.2 自适应神经模糊推理系统的学习算法 | 第61-63页 |
| 4.6 自适应神经模糊推理系统的应用 | 第63-65页 |
| 4.7 本章小结 | 第65-66页 |
| 第5章 机器人的控制与轨迹生成 | 第66-86页 |
| 5.1 引言 | 第66-67页 |
| 5.2 轨迹规划与生成 | 第67-73页 |
| 5.2.1 关节空间的轨迹规划 | 第67-68页 |
| 5.2.2 关节路径点生成 | 第68-69页 |
| 5.2.3 过路径点并使用抛物线拟合的线性插值 | 第69-72页 |
| 5.2.4 关节空间轨迹生成 | 第72-73页 |
| 5.3 机器人控制与通信 | 第73-78页 |
| 5.3.1 硬件控制模块 | 第73-74页 |
| 5.3.2 相关程序 | 第74-78页 |
| 5.4 软件系统平台 | 第78-79页 |
| 5.5 实验与结果 | 第79-84页 |
| 5.6 本章小结 | 第84-86页 |
| 第6章 总结与展望 | 第86-88页 |
| 参考文献 | 第88-94页 |
| 致谢 | 第94-96页 |
| 个人简历、在学期间发表的学术论文与研究成果 | 第96页 |
