| 中文摘要 | 第1-6页 |
| 英文摘要 | 第6-9页 |
| 目录 | 第9-12页 |
| 1 绪论 | 第12-27页 |
| ·本论文的研究背景及国内外研究现状 | 第12-24页 |
| ·机器人视觉伺服的研究背景 | 第12-13页 |
| ·机器人视觉伺服研究的国内外现状 | 第13-16页 |
| ·机器人视觉伺服控制的分类及结构形式 | 第16-20页 |
| ·机器人视觉伺服控制研究的主要内容 | 第20-24页 |
| ·本论文的研究内容及意义 | 第24-25页 |
| ·本论文的章节安排 | 第25-27页 |
| 2 基于位置的机器人视觉伺服控制 | 第27-48页 |
| ·坐标系与坐标变换 | 第28-32页 |
| ·世界坐标系到摄像机坐标系的变换 | 第30页 |
| ·摄像机坐标系到图像坐标系的变换 | 第30-31页 |
| ·图像坐标系到计算机图像坐标系的变换 | 第31页 |
| ·整个视觉系统的模型 | 第31-32页 |
| ·摄像机的标定方法 | 第32-34页 |
| ·传统的标定方法 | 第32页 |
| ·自标定的方法 | 第32-33页 |
| ·基于主动视觉的标定方法 | 第33-34页 |
| ·视觉伺服控制中的图像处理技术 | 第34-43页 |
| ·图像分割技术 | 第34-39页 |
| ·图像的目标识别技术 | 第39-43页 |
| ·视觉伺服控制中的机器人控制技术 | 第43-47页 |
| ·机器人学的主要研究领域 | 第43-44页 |
| ·机器人控制技术的现状与发展 | 第44-47页 |
| ·本论文的研究方案 | 第47页 |
| ·本章小结 | 第47-48页 |
| 3 基于“一步”遗传算法(Step GA)模板匹配的机器人视觉伺服控制 | 第48-75页 |
| ·遗传算法及其发展状况和应用方法 | 第48-52页 |
| ·遗传算法的基本概念 | 第48-50页 |
| ·遗传算法的发展现状 | 第50-52页 |
| ·图像目标识别问题的数学描述 | 第52-56页 |
| ·常用的图像模型 | 第52-54页 |
| ·图像目标识别的基本定义 | 第54-56页 |
| ·基于遗传算法(GA)的机器人视觉伺服控制 | 第56-68页 |
| ·“一步”遗传算法的提出 | 第56-57页 |
| ·基于“一步”遗传算法的目标搜索方法 | 第57-62页 |
| ·基于GA的PD控制器 | 第62-65页 |
| ·仿真实验 | 第65-68页 |
| ·基于遗传算法的道路交通标志的实时识别 | 第68-74页 |
| ·对交通标志颜色的提取 | 第68-70页 |
| ·用遗传算法检测交通标志 | 第70-73页 |
| ·实验研究 | 第73-74页 |
| ·本章小结 | 第74-75页 |
| 4 基于局部遗传算法和全局遗传算法的视觉跟踪性能的优化 | 第75-87页 |
| ·引言 | 第75-77页 |
| ·基于Global GA和Local GA的视觉跟踪性能的优化研究 | 第77-86页 |
| ·目标视觉跟踪问题的数学描述 | 第77-78页 |
| ·全局GA和局部GA搜索 | 第78-81页 |
| ·仿真实验 | 第81-86页 |
| ·本章小结 | 第86-87页 |
| 5 基于GA的模糊神经网络图像恢复方法研究 | 第87-100页 |
| ·图像恢复方法概述 | 第87-88页 |
| ·基于GA的模糊神经网络图像滤波器 | 第88-96页 |
| ·图像滤波器的网络结构 | 第89-92页 |
| ·用遗传算法学习网络参数 | 第92-94页 |
| ·仿真试验 | 第94-96页 |
| ·对高度污染图像的改进型滤波器 | 第96-99页 |
| ·本章小结 | 第99-100页 |
| 6 机器人视觉控制器的研究与设计 | 第100-123页 |
| ·机器人智能控制的现状与特点 | 第100-101页 |
| ·基于CMAC网络的机器人轨迹跟踪控制 | 第101-105页 |
| ·小脑模型联结控制器(CMAC) | 第101-103页 |
| ·基于CMAC的机器人轨迹跟踪研究 | 第103-105页 |
| ·基于间接自适应模糊控制的机器人轨迹跟踪 | 第105-110页 |
| ·模糊控制在机器人控制中的应用 | 第105-106页 |
| ·机器人的间接自适应模糊控制研究 | 第106-110页 |
| ·基于CMAC、模糊神经网络的机器人混合控制器 | 第110-121页 |
| ·机器人手臂的动力学模型 | 第111页 |
| ·机器人手臂的混合控制策略 | 第111-116页 |
| ·仿真实验 | 第116-120页 |
| ·结论 | 第120-121页 |
| ·本章小结 | 第121-123页 |
| 7 结束语 | 第123-126页 |
| ·论文总结 | 第123-124页 |
| ·进一步需要开展的工作与展望 | 第124-126页 |
| 致谢 | 第126-127页 |
| 参考文献 | 第127-145页 |
| 攻读博士学位期间发表和已录用的文章 | 第145-146页 |
