| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第1章 绪论 | 第9-16页 |
| 1.1 课题研究背景及意义 | 第9页 |
| 1.2 国内外研究现状 | 第9-14页 |
| 1.2.1 视觉伺服控制的国内外研究现状 | 第9-12页 |
| 1.2.2 图像分割技术的国内外研究现状 | 第12-14页 |
| 1.3 本文研究内容与各章节安排 | 第14-15页 |
| 1.4 本章小结 | 第15-16页 |
| 第2章 基于位置视觉伺服的分拣系统介绍 | 第16-24页 |
| 2.1 引言 | 第16页 |
| 2.2 视觉伺服系统整体架构 | 第16-17页 |
| 2.3 视觉伺服系统软件介绍 | 第17-21页 |
| 2.3.1 LabVIEW软件 | 第17-19页 |
| 2.3.2 EPSONRC软件开发平台 | 第19-21页 |
| 2.4 视觉伺服系统硬件介绍 | 第21-23页 |
| 2.4.1 Basler IP摄像机 | 第21页 |
| 2.4.2 EPSON G6 SCARA机械臂和RC180控制器 | 第21-22页 |
| 2.4.3 SMC电动夹爪 | 第22-23页 |
| 2.5 本章小结 | 第23-24页 |
| 第3章 运动工件的提取与识别 | 第24-46页 |
| 3.1 引言 | 第24页 |
| 3.2 基于阈值法的目标提取 | 第24-29页 |
| 3.2.1 基本的全局阈值处理 | 第24-25页 |
| 3.2.2 Otsu最优全局阈值处理 | 第25页 |
| 3.2.3 阈值法目标提取 | 第25-29页 |
| 3.3 基于背景差分法的目标提取 | 第29-34页 |
| 3.3.1 背景差分法 | 第29-33页 |
| 3.3.2 帧间差分法 | 第33-34页 |
| 3.4 目标的姿态检测 | 第34-35页 |
| 3.5 基于LabVIEW视觉开发模块的目标识别 | 第35-37页 |
| 3.6 基于最小均方delta规则神经网络的目标识别 | 第37-45页 |
| 3.6.1 定量描述子 | 第37页 |
| 3.6.2 三模式类感知机模型 | 第37-38页 |
| 3.6.3 最小均方delta规则 | 第38-39页 |
| 3.6.4 工件特征提取 | 第39-41页 |
| 3.6.5 基于最小均方delta规则的感知机训练 | 第41-45页 |
| 3.6.6 实验 | 第45页 |
| 3.7 本章小结 | 第45-46页 |
| 第4章 视觉系统的标定 | 第46-57页 |
| 4.1 引言 | 第46页 |
| 4.2 摄像机畸变校正 | 第46-47页 |
| 4.3 基于Faugeras标定法的视觉系统标定 | 第47-51页 |
| 4.4 单目视觉测量系统标定 | 第51-53页 |
| 4.5 基于Matlab标定工具箱的摄像机标定 | 第53-56页 |
| 4.6 本章小结 | 第56-57页 |
| 第5章 工件的运动状态预测 | 第57-68页 |
| 5.1 引言 | 第57页 |
| 5.2 卡尔曼算法简介 | 第57-59页 |
| 5.3 卡尔曼算法实现 | 第59-67页 |
| 5.3.1 建立系统模型 | 第59-61页 |
| 5.3.2 仿真研究 | 第61-63页 |
| 5.3.3 实验研究 | 第63-67页 |
| 5.4 本章小结 | 第67-68页 |
| 第6章 分拣系统机械手的控制方法研究 | 第68-80页 |
| 6.1 引言 | 第68页 |
| 6.2 轨迹规划 | 第68-70页 |
| 6.2.1 多项式系数计算 | 第69页 |
| 6.2.2 轨迹规划中的动力学和运动学约束 | 第69-70页 |
| 6.2.3 轨迹最优抓取时间 | 第70页 |
| 6.3 轨迹更新 | 第70-71页 |
| 6.4 仿真研究 | 第71-77页 |
| 6.5 实验研究 | 第77-79页 |
| 6.6 本章小结 | 第79-80页 |
| 第7章 结论与展望 | 第80-82页 |
| 7.1 结论 | 第80-81页 |
| 7.2 展望 | 第81-82页 |
| 参考文献 | 第82-85页 |
| 致谢 | 第85-86页 |
| 攻读学位期间参加的科研项目和成果 | 第86页 |
