| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第8-14页 |
| 1.1 课题研究背景及意义 | 第8-10页 |
| 1.1.1 研究背景 | 第8-9页 |
| 1.1.2 研究意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.2.1 涂胶检测的研究现状 | 第10-11页 |
| 1.2.2 图像分割技术的研究现状 | 第11-12页 |
| 1.3 论文研究内容及组织结构 | 第12-14页 |
| 第二章 基于示教点约束与卷积追踪模型的涂胶检测方法 | 第14-32页 |
| 2.1 机器人示教点的坐标系转换 | 第15-21页 |
| 2.1.1 手眼关系与手眼标定 | 第15-17页 |
| 2.1.2 相机标定原理 | 第17-18页 |
| 2.1.3 坐标系转换 | 第18-21页 |
| 2.2 示教点校正 | 第21-23页 |
| 2.3 示教点插值 | 第23-24页 |
| 2.4 关键点选取 | 第24-25页 |
| 2.5 像素卷积 | 第25-29页 |
| 2.6 追踪与校正 | 第29-31页 |
| 2.7 本章小结 | 第31-32页 |
| 第三章 基于全卷积神经网络的涂胶检测 | 第32-44页 |
| 3.1 卷积神经网络理论基础 | 第32页 |
| 3.2 卷积神经网络 | 第32-38页 |
| 3.2.1 卷积层 | 第33-34页 |
| 3.2.2 池化层 | 第34-35页 |
| 3.2.3 激活函数 | 第35-37页 |
| 3.2.4 卷积神经网络的特点 | 第37-38页 |
| 3.3 全卷积神经网络 | 第38-42页 |
| 3.3.1 全卷积网络的结构 | 第38-39页 |
| 3.3.2 全卷积网络的特点 | 第39-41页 |
| 3.3.3 BN层的应用 | 第41-42页 |
| 3.4 本章小结 | 第42-44页 |
| 第四章 实验结果与分析 | 第44-62页 |
| 4.1 实验 | 第44-45页 |
| 4.1.1 实验数据 | 第44-45页 |
| 4.1.2 实验环境 | 第45页 |
| 4.2 标定 | 第45-46页 |
| 4.3 评价指标 | 第46-47页 |
| 4.4 本文两种方法对比 | 第47-51页 |
| 4.4.1 直观评价 | 第48-51页 |
| 4.4.2 客观评价 | 第51页 |
| 4.5 TPCPT方法的实验结果与分析 | 第51-56页 |
| 4.5.1 直观评价 | 第52-55页 |
| 4.5.2 客观对比 | 第55-56页 |
| 4.6 FCN方法的实验结果与分析 | 第56-59页 |
| 4.6.1 直观评价 | 第56-58页 |
| 4.6.2 客观评价 | 第58-59页 |
| 4.7 结果展示 | 第59-61页 |
| 4.8 本章小结 | 第61-62页 |
| 第五章 总结与展望 | 第62-64页 |
| 5.1 总结 | 第62-63页 |
| 5.2 展望 | 第63-64页 |
| 参考文献 | 第64-68页 |
| 发表论文和参加科研情况 | 第68-70页 |
| 致谢 | 第70页 |