| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 1 绪论 | 第9-17页 |
| ·引言 | 第9-10页 |
| ·机器人视觉伺服系统综述 | 第10-14页 |
| ·典型视觉伺服系统介绍 | 第10-11页 |
| ·伺服结构(Servoing Architectures) | 第11-14页 |
| ·机器人无标定视觉伺服 | 第14-15页 |
| ·问题的提出 | 第14页 |
| ·机器人无标定视觉伺服 | 第14-15页 |
| ·本文的研究方法及主要内容 | 第15-17页 |
| 2 基于图像雅可比矩阵的机器人无标定视觉伺服 | 第17-26页 |
| ·引言 | 第17页 |
| ·图像描述 | 第17页 |
| ·图像雅可比矩阵(IMAGE JACOBIAN MATRIX) | 第17-21页 |
| ·图像雅可比矩阵的定义 | 第17-19页 |
| ·图像雅可比矩阵的实例 | 第19-21页 |
| ·应用图像雅可比矩阵建立视觉反馈 | 第21-22页 |
| ·现有的图像雅可比矩阵无标定求解方法综述 | 第22-25页 |
| ·本章小结 | 第25-26页 |
| 3 基于KALMAN滤波的图像雅可比矩阵在线估计 | 第26-40页 |
| ·引言 | 第26页 |
| ·KALMAN滤波器(KALMAN FILTER) | 第26-29页 |
| ·Kalman滤波算法概述 | 第26-28页 |
| ·Kalman滤波性能仿真验证 | 第28-29页 |
| ·使用KALMAN滤波器在线估计图像雅可比矩阵 | 第29-30页 |
| ·基于KF估计雅可比矩阵的单固定眼-机器人视觉伺服 | 第30-33页 |
| ·单固定眼-机器人系统的运动目标跟踪 | 第30-31页 |
| ·固定眼的图像雅可比矩阵解析式 | 第31-32页 |
| ·基于KF的固定眼图像雅可比矩阵在线估计 | 第32页 |
| ·视觉反馈控制 | 第32-33页 |
| ·系统工作流程 | 第33页 |
| ·使用KALMAN滤波器估计图像雅可比矩阵的仿真验证 | 第33-36页 |
| ·仿真环境介绍 | 第33-34页 |
| ·仿真结果及分析 | 第34-36页 |
| ·使用KALMAN滤波器估计图像雅可比矩阵的实验验证 | 第36-38页 |
| ·MOTOMAN-SV3XL机器人视觉伺服实验系统 | 第36页 |
| ·固定眼-机器人跟踪二维平面运动目标的软件设计 | 第36-38页 |
| ·实验结果及分析 | 第38页 |
| ·本章小结 | 第38-40页 |
| 4 基于粒子滤波的图像雅可比矩阵在线估计 | 第40-49页 |
| ·引言 | 第40页 |
| ·粒子滤波(PARTICLE FILTER) | 第40-47页 |
| ·贝叶斯滤波理论和蒙特卡洛模拟 | 第40-42页 |
| ·贝叶斯重要性采样(BIS) | 第42页 |
| ·序列重要性采样(SIS) | 第42-44页 |
| ·序列重要性重采样(SIR) | 第44页 |
| ·粒子滤波算法 | 第44-46页 |
| ·粒子滤波存在的问题 | 第46页 |
| ·粒子滤波性能仿真验证 | 第46-47页 |
| ·使用粒子滤波在线估计图像雅可比矩阵 | 第47页 |
| ·使用粒子滤波估计图像雅可比矩阵的仿真验证 | 第47-48页 |
| ·本章小结 | 第48-49页 |
| 5 基于鲁棒信息滤波的图像雅可比矩阵在线估计 | 第49-56页 |
| ·引言 | 第49页 |
| ·鲁棒信息滤波器(ROBUST INFORMATION FILTER) | 第49-52页 |
| ·标准信息滤波器(Standard Information Filter) | 第49-50页 |
| ·鲁棒信息滤波器 | 第50-51页 |
| ·KF与RIF性能仿真比较 | 第51-52页 |
| ·使用鲁棒信息滤器在线估计图像雅可比矩阵 | 第52-53页 |
| ·仿真和实验验证 | 第53-55页 |
| ·使用RIF在线估计图像雅可比矩阵的仿真验证 | 第53-54页 |
| ·使用RIF在线估计图像雅可比矩阵的实验验证 | 第54-55页 |
| ·本章小结 | 第55-56页 |
| 6 总结和展望 | 第56-57页 |
| 致谢 | 第57-58页 |
| 参考文献 | 第58-60页 |
