| 中文摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第一章 绪论 | 第9-20页 |
| 1.1 引言 | 第9页 |
| 1.2 课题研究的背景及意义 | 第9-10页 |
| 1.3 相关技术在国内外的研究现状 | 第10-15页 |
| 1.3.1 目标检测研究现状 | 第10-13页 |
| 1.3.2 机械手臂目标抓取研究现状 | 第13-15页 |
| 1.4 基于视觉的目标检测与抓取的研究难点 | 第15-17页 |
| 1.4.1 目标检测的难点分析 | 第15-16页 |
| 1.4.2 目标抓取的难点分析 | 第16-17页 |
| 1.5 本文的主要研究内容 | 第17-18页 |
| 1.6 本文的组织结构 | 第18-19页 |
| 1.7 本章小结 | 第19-20页 |
| 第二章 目标检测与抓取系统的总体框架 | 第20-23页 |
| 2.1 引言 | 第20页 |
| 2.2 系统总体结构 | 第20-22页 |
| 2.2.1 目标检测系统的基本结构 | 第20-21页 |
| 2.2.2 抓取点检测系统的基本结构 | 第21-22页 |
| 2.2.3 机械手臂抓取目标的实验流程 | 第22页 |
| 2.3 本章小结 | 第22-23页 |
| 第三章 基于超限学习机的目标检测算法 | 第23-33页 |
| 3.1 引言 | 第23页 |
| 3.2 基于超限学习机的目标检测基本框架 | 第23-25页 |
| 3.3 目标图像的特征提取 | 第25-28页 |
| 3.3.1 HOG特征提取 | 第25-27页 |
| 3.3.2 HSV颜色直方图特征提取 | 第27-28页 |
| 3.4 基于ELM目标检测分类器的设计 | 第28-31页 |
| 3.4.1 ELM分类器 | 第28-30页 |
| 3.4.2 目标检测分类器架构 | 第30-31页 |
| 3.5 本章小结 | 第31-33页 |
| 第四章 基于视觉的抓取点检测 | 第33-39页 |
| 4.1 引言 | 第33页 |
| 4.2 基于视觉的抓取点检测框架 | 第33-34页 |
| 4.3 目标的主方向估计 | 第34-36页 |
| 4.4 基于ELM kernel的抓取点分类器的设计 | 第36-38页 |
| 4.4.1 ELM kernel算法 | 第36-37页 |
| 4.4.2 目标的抓取点分类器架构 | 第37-38页 |
| 4.5 本章小结 | 第38-39页 |
| 第五章 实验参数设置与结果分析 | 第39-50页 |
| 5.1 引言 | 第39页 |
| 5.2 目标检测实验设置及结果分析 | 第39-45页 |
| 5.2.1 目标检测数据集简介 | 第39-40页 |
| 5.2.2 实验参数设置 | 第40-41页 |
| 5.2.3 实验结果分析 | 第41-45页 |
| 5.3 目标的抓取点检测实验设置及结果分析 | 第45-49页 |
| 5.3.1 目标的抓取点检测实验数据集 | 第45-46页 |
| 5.3.2 实验参数设置 | 第46-47页 |
| 5.3.3 实验结果与分析 | 第47-49页 |
| 5.4 本章小结 | 第49-50页 |
| 第六章 机械手臂平台与抓取实验 | 第50-57页 |
| 6.1 引言 | 第50页 |
| 6.2 机械手臂平台简介 | 第50-51页 |
| 6.3 机械手臂坐标系标定 | 第51-52页 |
| 6.4 机械手臂抓取平台程序流程 | 第52-53页 |
| 6.5 机械手臂抓取实验与结果 | 第53-55页 |
| 6.6 本章小结 | 第55-57页 |
| 结论 | 第57-59页 |
| 参考文献 | 第59-63页 |
| 致谢 | 第63-64页 |
| 个人简历、在学期间的研究成果及发表的学术论文 | 第64页 |