| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第13-21页 |
| 1.1 课题背景 | 第13-15页 |
| 1.2 操作工程机器人视觉定位的国内外研究现状 | 第15-18页 |
| 1.2.1 国外的研究现状 | 第15-16页 |
| 1.2.2 国内的研究现状 | 第16-18页 |
| 1.3 课题来源与意义 | 第18-19页 |
| 1.4 本文主要研究工作 | 第19-21页 |
| 第二章 遥操作工程机器人双目视觉系统的软硬件设计 | 第21-39页 |
| 2.1 遥操作工程机器人双目视觉系统的硬件结构的设计 | 第21-28页 |
| 2.1.1 系统总体结构 | 第21-22页 |
| 2.1.2 主从控制端系统结构组成 | 第22-23页 |
| 2.1.3 工业相机的选型 | 第23-25页 |
| 2.1.4 镜头的选型 | 第25-28页 |
| 2.2 遥操作工程机器人双目视觉系统的软件系统设计 | 第28-36页 |
| 2.2.1 Visual Studio 2010简介 | 第28-29页 |
| 2.2.2 基于MFC类库双目视觉系统的软件系统界面设计 | 第29-31页 |
| 2.2.3 映美精相机的配置 | 第31-32页 |
| 2.2.4 映美精相机初始化 | 第32-36页 |
| 2.3 采用MFC的多线程技术对两相机进行同时采集图像 | 第36-38页 |
| 2.3.1 进程与线程 | 第36页 |
| 2.3.2 MFC的多线程技术图像采集 | 第36-38页 |
| 2.4 本章小结 | 第38-39页 |
| 第三章 操作工程机器人视觉系统的摄像机标定 | 第39-51页 |
| 3.1 摄像机标定的概述 | 第39页 |
| 3.2 摄像机成像模型 | 第39-44页 |
| 3.2.1 摄像机的四个坐标系 | 第39-40页 |
| 3.2.2 坐标系间的转换 | 第40-42页 |
| 3.2.3 镜头畸变 | 第42-44页 |
| 3.3 摄像机标定 | 第44-49页 |
| 3.3.1 摄像机标定的原理 | 第44-45页 |
| 3.3.1 标定板的制作 | 第45-46页 |
| 3.3.2 摄像机的标定及校正 | 第46-49页 |
| 3.4 本章小结 | 第49-51页 |
| 第四章 遥操作工程机器人视觉系统的特征提取 | 第51-59页 |
| 4.1 图像处理的基本知识 | 第51-54页 |
| 4.1.1 图像平滑处理 | 第51页 |
| 4.1.2 图像形态学处理 | 第51-52页 |
| 4.1.3 图像分割 | 第52-54页 |
| 4.2 小光源作为特征 | 第54-55页 |
| 4.2.1 OpenCV简介以及配置 | 第54页 |
| 4.2.2 特征点图像的实现 | 第54-55页 |
| 4.3 鞍点作为特征 | 第55-58页 |
| 4.3.1 HALCON的简介 | 第55-56页 |
| 4.3.2 模板匹配 | 第56-57页 |
| 4.3.3 鞍点特征提取的实现 | 第57-58页 |
| 4.4 本章小结 | 第58-59页 |
| 第五章 基于NN的遥操作工程机器人视觉定位 | 第59-67页 |
| 5.1 BP神经网络 | 第59-61页 |
| 5.1.1 BP神经网络的基本原理 | 第59-61页 |
| 5.1.2 BP网络建模特点 | 第61页 |
| 5.2 BP神经网络模型的建立 | 第61-63页 |
| 5.3 视觉定位的实验 | 第63-66页 |
| 5.4 本章小结 | 第66-67页 |
| 第六章 基于GA优化NN的遥操作工程机器人视觉定位 | 第67-74页 |
| 6.1 遗传算法 | 第67-68页 |
| 6.2 遗传算法的基本原理 | 第68-69页 |
| 6.2.1 遗传算法的组成要素 | 第68页 |
| 6.2.2 遗传算法的实现过程 | 第68-69页 |
| 6.3 遗传算法结合神经网络的基本思路 | 第69页 |
| 6.4 遗传算法优化神经网络的实现 | 第69-73页 |
| 6.5 本章小结 | 第73-74页 |
| 总结与展望 | 第74-76页 |
| 参考文献 | 第76-79页 |
| 攻读硕士学位期间发表的论文 | 第79-81页 |
| 致谢 | 第81页 |
