基于机器视觉的折弯机器人目标识别及抓取研究
| 摘要 | 第3-4页 |
| ABSTRACT | 第4页 |
| 第一章 绪论 | 第9-16页 |
| 1.1 折弯机现状及发展趋势 | 第9-10页 |
| 1.2 折弯机辅助机械手的发展与应用 | 第10-12页 |
| 1.3 机器视觉发展概论 | 第12-14页 |
| 1.4 机器人与机器视觉 | 第14页 |
| 1.5 课题研究目的及意义 | 第14-15页 |
| 1.6 论文安排 | 第15-16页 |
| 第二章 数控折弯机辅助机器人视觉系统总体设计 | 第16-30页 |
| 2.1 需求分析 | 第16页 |
| 2.2 选择龙门式机械手在辅助折弯过程中的优势 | 第16-18页 |
| 2.3 附加机器视觉的龙门机械手 | 第18-20页 |
| 2.4 末端执行器的选择 | 第20-21页 |
| 2.5 折弯机辅助机器人视觉系统 | 第21-29页 |
| 2.5.1 CCD/CMOS摄像机选择 | 第23-24页 |
| 2.5.2 镜头 | 第24-25页 |
| 2.5.3 照明光源 | 第25-26页 |
| 2.5.4 图像处理软件设计 | 第26-28页 |
| 2.5.5 HALCON软件简介 | 第28-29页 |
| 2.6 本章小结 | 第29-30页 |
| 第三章 针对板材的图像处理技术 | 第30-42页 |
| 3.1 图像采集 | 第30-31页 |
| 3.2 图像灰度化 | 第31-32页 |
| 3.3 工件图像预处理 | 第32-40页 |
| 3.3.1 图象的增强 | 第32-35页 |
| 3.3.2 图像的平滑 | 第35-40页 |
| 3.4 本章小结 | 第40-42页 |
| 第四章 针对板材图像的识别检测方法 | 第42-56页 |
| 4.1 边缘特征提取 | 第42-47页 |
| 4.1.1 概述 | 第42-43页 |
| 4.1.2 边缘检测算子简述 | 第43-46页 |
| 4.1.3 边缘检测实验结果分析 | 第46-47页 |
| 4.2 基于阈值的图像特征提取 | 第47-50页 |
| 4.2.1 阈值确定方法 | 第47页 |
| 4.2.2 基于点全局阈值选取方法 | 第47-50页 |
| 4.3 钣金材料的位姿识别 | 第50-55页 |
| 4.3.1 板材位置的判断 | 第50-51页 |
| 4.3.2 板材角度偏移的检测 | 第51-55页 |
| 4.4 本章小结 | 第55-56页 |
| 第五章 摄像机标定方法 | 第56-72页 |
| 5.1 摄像机模型 | 第56-58页 |
| 5.1.1 小孔模型 | 第56-57页 |
| 5.1.2 摄像机内参数模型 | 第57页 |
| 5.1.3 摄像机外参数模型 | 第57-58页 |
| 5.2 摄像机标定 | 第58-70页 |
| 5.2.1 成像系统坐标系 | 第58-59页 |
| 5.2.2 标定方法分类 | 第59页 |
| 5.2.3 主要的标定算法 | 第59-64页 |
| 5.2.4 本文采用的标定算法 | 第64-70页 |
| 5.3 本章小结 | 第70-72页 |
| 第六章 总结与展望 | 第72-74页 |
| 6.1 总结 | 第72页 |
| 6.2 研究展望 | 第72-74页 |
| 参考文献 | 第74-77页 |
| 附录 标定程序代码 | 第77-79页 |
| 致谢 | 第79-80页 |
| 作者在攻读硕士学位期间发表的学术论文 | 第80-81页 |
