面向工业抓取应用的手眼协同方法研究
| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第11-21页 |
| 1.1 研究背景 | 第11-12页 |
| 1.2 研究现状 | 第12-18页 |
| 1.2.1 工业机器人简介 | 第12-13页 |
| 1.2.2 视觉伺服研究现状 | 第13-15页 |
| 1.2.3 机器人深度学习和强化学习发展现状 | 第15-18页 |
| 1.3 本文的主要工作与贡献 | 第18-19页 |
| 1.4 本文的组织结构 | 第19-21页 |
| 第2章 相关知识背景 | 第21-27页 |
| 2.1 机器人坐标系 | 第21页 |
| 2.2 手眼标定 | 第21-24页 |
| 2.3 位姿估计 | 第24-25页 |
| 2.4 本章小结 | 第25-27页 |
| 第3章 基于ROS的手眼协同实现物体抓取 | 第27-43页 |
| 3.1 概述 | 第27页 |
| 3.2 软硬件平台及相关软件 | 第27-32页 |
| 3.2.1 机器人结构信息和环境信息 | 第28-29页 |
| 3.2.2 开源运动规划库 | 第29-30页 |
| 3.2.3 MoveIt介绍与应用 | 第30-32页 |
| 3.3 相关算法分析 | 第32-39页 |
| 3.3.1 流程分析 | 第32-33页 |
| 3.3.2 抓取点计算 | 第33-36页 |
| 3.3.3 规划算法改进 | 第36-39页 |
| 3.4 实验结果分析 | 第39-41页 |
| 3.4.1 规划所耗时间分析 | 第39-40页 |
| 3.4.2 执行误差分析 | 第40-41页 |
| 3.5 本章小结 | 第41-43页 |
| 第4章 视觉伺服实现物体精确抓取 | 第43-59页 |
| 4.1 引言 | 第43-44页 |
| 4.2 原理分析 | 第44-47页 |
| 4.3 算法介绍与软件设计 | 第47-52页 |
| 4.3.1 物体位姿估计 | 第47-49页 |
| 4.3.2 迭代控制 | 第49-51页 |
| 4.3.3 软件设计 | 第51-52页 |
| 4.4 实验结果分析 | 第52-57页 |
| 4.4.1 可行性分析 | 第52-54页 |
| 4.4.2 误差分析 | 第54-57页 |
| 4.5 本章小结 | 第57-59页 |
| 第5章 深度学习与视觉伺服融合 | 第59-77页 |
| 5.1 引言 | 第59-60页 |
| 5.2 原理分析与网络模型 | 第60-62页 |
| 5.3 数据采集与网络训练 | 第62-67页 |
| 5.3.1 数据采集 | 第62-64页 |
| 5.3.2 数据处理 | 第64-65页 |
| 5.3.3 网络训练 | 第65-67页 |
| 5.4 在线执行过程 | 第67-68页 |
| 5.5 实验设置 | 第68-76页 |
| 5.5.1 可行性分析 | 第68-72页 |
| 5.5.2 光照适应性分析 | 第72-73页 |
| 5.5.3 物体部分可见情况分析 | 第73-76页 |
| 5.6 本章小结 | 第76-77页 |
| 第6章 总结与展望 | 第77-79页 |
| 6.1 总结 | 第77-78页 |
| 6.2 展望 | 第78-79页 |
| 参考文献 | 第79-81页 |
