| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第8-16页 |
| 1.1 研究背景及意义 | 第8-10页 |
| 1.2 机器人视觉伺服系统概述 | 第10-13页 |
| 1.3 基于图像的视觉伺服控制方法综述 | 第13-15页 |
| 1.4 主要研究内容及章节安排 | 第15-16页 |
| 第2章 基于图像的视觉伺服理论研究 | 第16-26页 |
| 2.1 引言 | 第16页 |
| 2.2 基于图像的视觉伺服系统坐标系建立 | 第16-17页 |
| 2.3 基于图像的视觉伺服系统视觉模型建立 | 第17-19页 |
| 2.4 摄像机参数确定方法 | 第19-22页 |
| 2.5 基于图像的视觉伺服系统机器人模型建立 | 第22-25页 |
| 2.6 本章小结 | 第25-26页 |
| 第3章 基于曲率尺度空间的图像特征点提取 | 第26-39页 |
| 3.1 引言 | 第26页 |
| 3.2 图像预处理算法研究 | 第26-29页 |
| 3.3 图像边缘检测典型方法对比分析 | 第29-34页 |
| 3.4 基于CSS的图像特征点提取方法研究 | 第34-38页 |
| 3.4.1 基于CSS的特征点提取算法设计 | 第35-36页 |
| 3.4.2 基于CSS的特征点提取算法仿真实验研究 | 第36-38页 |
| 3.5 本章小结 | 第38-39页 |
| 第4章 图像雅克比矩阵辨识方法研究 | 第39-48页 |
| 4.1 引言 | 第39页 |
| 4.2 图像雅克比矩阵估计 | 第39-43页 |
| 4.2.1 基于Kalman的图像雅克比矩阵估计 | 第40-42页 |
| 4.2.2 基于自适应Kalman补偿的图像雅克比矩阵估计 | 第42-43页 |
| 4.3 基于图像雅克比矩阵逆的视觉伺服控制器稳定性分析 | 第43-44页 |
| 4.4 仿真实验研究 | 第44-47页 |
| 4.5 本章小结 | 第47-48页 |
| 第5章 基于鲁棒模型预测的视觉伺服控制方法研究 | 第48-62页 |
| 5.1 引言 | 第48页 |
| 5.2 鲁棒模型预测控制原理 | 第48-50页 |
| 5.3 基于鲁棒模型预测的视觉伺服控制方法研究 | 第50-58页 |
| 5.3.1 机器人视觉伺服系统的模型建立 | 第50-51页 |
| 5.3.2 鲁棒模型预测视觉伺服控制器设计 | 第51-57页 |
| 5.3.3 鲁棒模型预测视觉伺服控制器稳定性分析 | 第57-58页 |
| 5.4 仿真实验研究 | 第58-61页 |
| 5.5 本章小结 | 第61-62页 |
| 第6章 全文总结与展望 | 第62-64页 |
| 致谢 | 第64-65页 |
| 参考文献 | 第65-69页 |
| 作者简介 | 第69-70页 |
| 攻读硕士学位期间研究成果 | 第70页 |
