基于视觉的电力线除冰机器人越障抓线控制
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-17页 |
| 1.1 论文的研究背景及意义 | 第10-11页 |
| 1.2 电力线路除冰机器人国内外研究现状 | 第11-14页 |
| 1.2.1 国外研究现状 | 第11-13页 |
| 1.2.2 国内研究现状 | 第13-14页 |
| 1.3 除冰机器人视觉越障方法研究现状 | 第14-16页 |
| 1.4 论文的主要工作和研究内容 | 第16-17页 |
| 第2章 电力线除冰机器人系统介绍 | 第17-30页 |
| 2.1 除冰机器人工作环境 | 第17-18页 |
| 2.2 除冰机器人机械结构 | 第18-20页 |
| 2.2.1 除冰机器人机械臂 | 第19页 |
| 2.2.2 除冰机器人控制箱 | 第19-20页 |
| 2.3 除冰机器人视觉系统 | 第20-23页 |
| 2.3.1 除冰机器人监控相机介绍 | 第20-21页 |
| 2.3.2 相机成像模型 | 第21-23页 |
| 2.4 除冰机器人运动学模型 | 第23-29页 |
| 2.4.1 机械臂运动姿态描述 | 第23-25页 |
| 2.4.2 机械臂运动学方程 | 第25-28页 |
| 2.4.3 机械臂逆运动学方程求解 | 第28-29页 |
| 2.5 本章小结 | 第29-30页 |
| 第3章 除冰机器人越障的视觉定位方法 | 第30-45页 |
| 3.1 电力线缆的图像分析 | 第30-31页 |
| 3.2 基于Gabor滤波的电力线中线定位方法 | 第31-39页 |
| 3.2.1 图像预处理 | 第31-33页 |
| 3.2.2 边缘检测及方向场估计 | 第33-35页 |
| 3.2.3 Gabor滤波纹理增强 | 第35-36页 |
| 3.2.4 电力线缆中线拟合 | 第36-38页 |
| 3.2.5 实验结果分析 | 第38-39页 |
| 3.3 基于LBP特征的电力线中线定位方法 | 第39-44页 |
| 3.3.1 LBP特征提取 | 第39-41页 |
| 3.3.2 模糊C均值纹理分割 | 第41-43页 |
| 3.3.3 实验结果分析 | 第43-44页 |
| 3.4 本章小结 | 第44-45页 |
| 第4章 基于图像特征的除冰机器人越障控制方法 | 第45-66页 |
| 4.1 除冰机器人越障动作及反馈图像 | 第45-49页 |
| 4.1.1 除冰机器人越障动作分析 | 第45-47页 |
| 4.1.2 机械臂监控相机反馈图像分析 | 第47-49页 |
| 4.2 基于图像特征的传统视觉伺服控制方法设计 | 第49-53页 |
| 4.2.1 图像特征的选择及计算 | 第49-50页 |
| 4.2.2 图像特征的雅克比矩阵推导 | 第50-52页 |
| 4.2.3 传统视觉伺服控制存在的问题分析 | 第52-53页 |
| 4.3 基于小波神经网络的视觉伺服控制方法设计 | 第53-59页 |
| 4.3.1 小波神经网络的结构 | 第53-55页 |
| 4.3.2 小波网络视觉伺服控制模型的建立 | 第55-56页 |
| 4.3.3 实验过程及结果分析 | 第56-59页 |
| 4.4 基于SVR的视觉伺服控制方法设计 | 第59-64页 |
| 4.4.1 SVR的原理及结构 | 第60-62页 |
| 4.4.2 基于SVR的视觉伺服控制模型 | 第62页 |
| 4.4.3 实验过程及结果分析 | 第62-64页 |
| 4.5 本章小结 | 第64-66页 |
| 总结与展望 | 第66-68页 |
| 参考文献 | 第68-71页 |
| 致谢 | 第71-72页 |
| 附录A 攻读学位期间所发表的学术成果 | 第72页 |
