| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第14-22页 |
| 1.1 研究背景及意义 | 第14-16页 |
| 1.2 视觉导引系统智能容错技术研究现状 | 第16-18页 |
| 1.2.1 国外视觉导引系统智能容错技术研究现状 | 第16-17页 |
| 1.2.2 国内视觉导引系统智能容错技术研究现状 | 第17-18页 |
| 1.3 智能容错视觉导引系统拟解决的关键问题 | 第18-20页 |
| 1.4 课题来源与主要研究内容 | 第20-21页 |
| 1.5 本章小结 | 第21-22页 |
| 第二章 环形光源自适应调光技术及其状态监控方法 | 第22-40页 |
| 2.1 LED环形阵列光源自适应调光技术 | 第22-31页 |
| 2.1.1 机器视觉光源的选择 | 第22-24页 |
| 2.1.2 LED环形阵列光源自适应调光系统硬件设计 | 第24-27页 |
| 2.1.3 LED环形阵列光源自适应调光系统软件设计 | 第27-29页 |
| 2.1.4 LED环形阵列光源自适应调光系统实验 | 第29-31页 |
| 2.2 LED环形阵列光源光照模型研究 | 第31-36页 |
| 2.2.1 LED环形阵列光源光照模型 | 第31-33页 |
| 2.2.2 LED环形阵列光源仿真分析 | 第33-36页 |
| 2.3 光源状态监控 | 第36-39页 |
| 2.3.1 LED光源失效原因分析 | 第36-37页 |
| 2.3.2 基于图像的LED光源状态监控方法 | 第37-39页 |
| 2.4 本章小结 | 第39-40页 |
| 第三章 视觉导引系统图像处理容错技术研究 | 第40-57页 |
| 3.1 基于形态学处理的图像污损自修复方法 | 第40-48页 |
| 3.1.1 路径特征鲁棒提取方法研究现状 | 第40-41页 |
| 3.1.2 基于形态学处理的图像污损自修复方法原理 | 第41-46页 |
| 3.1.3 实验与结果分析 | 第46-48页 |
| 3.2 基于最小二乘法拟合的图像遮挡处理方法 | 第48-51页 |
| 3.2.1 路径图像最小二乘法拟合原理 | 第48-50页 |
| 3.2.2 断裂路径最小二乘拟合实验 | 第50-51页 |
| 3.3 视觉导引AGV图像防抖动处理 | 第51-56页 |
| 3.3.1 视频图像防抖动方法概述 | 第51-52页 |
| 3.3.2 一种视觉导引AGV图像防抖动算法 | 第52-54页 |
| 3.3.3 Mecanum轮平台视觉导引AGV防抖动实验 | 第54-56页 |
| 3.4 本章小结 | 第56-57页 |
| 第四章 视觉导引AGV路径特征鲁棒识别与精确定位研究 | 第57-73页 |
| 4.1 视觉导引AGV路径特征鲁棒识别与精确定位技术概述 | 第57-58页 |
| 4.2 AGV视觉导引处理流程 | 第58-59页 |
| 4.3 路径特征识别技术 | 第59-66页 |
| 4.3.1 多分支路径及工位点模型 | 第59-60页 |
| 4.3.2 图像预处理 | 第60-61页 |
| 4.3.3 路径特征提取 | 第61-62页 |
| 4.3.4 基于KPCA的路径特征降维 | 第62-63页 |
| 4.3.5 基于BP神经网络的路径特征识别 | 第63-65页 |
| 4.3.6 BP神经网络仿真 | 第65-66页 |
| 4.4 AGV的精确定位 | 第66-69页 |
| 4.4.1 图像畸变校正 | 第66-67页 |
| 4.4.2 AGV路径模型选择 | 第67-68页 |
| 4.4.3 AGV的精确定位 | 第68-69页 |
| 4.5 实验验证 | 第69-72页 |
| 4.6 本章小结 | 第72-73页 |
| 第五章 智能容错视觉导引系统开发 | 第73-82页 |
| 5.1 智能容错视觉导引系统组成 | 第73-76页 |
| 5.1.1 智能容错视觉导引系统硬件结构 | 第73-75页 |
| 5.1.2 智能容错视觉导引系统软件结构 | 第75-76页 |
| 5.2 视觉导引AGV系统智能控制云平台的开发 | 第76-77页 |
| 5.3 视觉导引AGV综合性能实验 | 第77-81页 |
| 5.4 本章小结 | 第81-82页 |
| 第六章 总结与展望 | 第82-84页 |
| 6.1 总结 | 第82-83页 |
| 6.2 研究展望及下一步工作 | 第83-84页 |
| 参考文献 | 第84-88页 |
| 致谢 | 第88-89页 |
| 在学期间的研究成果及发表的学术论文 | 第89页 |
