现代物流系统视觉机器人货物识别与拣选方法研究
| 摘要 | 第1-12页 |
| ABSTRACT | 第12-14页 |
| 第一章 绪论 | 第14-20页 |
| ·课题研究背景 | 第14-15页 |
| ·国内外发展现状 | 第15-17页 |
| ·立体仓库发展现状 | 第15-16页 |
| ·自动识别技术发展现状 | 第16-17页 |
| ·本文的主要研究内容及章节安排 | 第17-20页 |
| 第二章 系统硬件组成及图像预处理技术 | 第20-30页 |
| ·系统硬件组成 | 第20-26页 |
| ·课题应用背景 | 第20-22页 |
| ·货物识别系统硬件构成 | 第22-25页 |
| ·货物拣选系统硬件构成 | 第25-26页 |
| ·图像预处理 | 第26-29页 |
| ·灰度转化 | 第26-27页 |
| ·图像去噪 | 第27-28页 |
| ·形态算子 | 第28-29页 |
| ·本章小结 | 第29-30页 |
| 第三章 货物边缘检测与轮廓提取算法 | 第30-41页 |
| ·边缘检测算法 | 第30-35页 |
| ·Sobel算子 | 第31-32页 |
| ·Canny边缘检测器 | 第32-33页 |
| ·本文边缘检测算法 | 第33-35页 |
| ·轮廓提取算法 | 第35-39页 |
| ·常用轮廓提取算法 | 第35-37页 |
| ·本文轮廓提取算法 | 第37-39页 |
| ·实验结果与分析 | 第39-40页 |
| ·本章小结 | 第40-41页 |
| 第四章 货物特征提取方法 | 第41-59页 |
| ·图像特征提取方法 | 第41-42页 |
| ·颜色模型 | 第42-44页 |
| ·颜色特征 | 第44-51页 |
| ·无参数密度估计 | 第45页 |
| ·货物模型的建立 | 第45-46页 |
| ·候选目标的描述 | 第46页 |
| ·相似性度量 | 第46-47页 |
| ·基于颜色特征的货物识别算法步骤及实验结果 | 第47-51页 |
| ·纹理特征 | 第51-54页 |
| ·纹理量化方法 | 第51-52页 |
| ·目标模型的描述 | 第52-53页 |
| ·相似性度量 | 第53页 |
| ·基于信息熵的货物识别算法步骤及实验结果 | 第53-54页 |
| ·频域特征 | 第54-58页 |
| ·傅里叶描绘子 | 第55页 |
| ·目标模型的描述 | 第55-56页 |
| ·相似性度量 | 第56页 |
| ·基于傅里叶描绘子的货物识别算法步骤及实验结果 | 第56-58页 |
| ·本章小结 | 第58-59页 |
| 第五章 基于多分类器串行融合的货物识别算法 | 第59-68页 |
| ·多分类器融合的两种基本方式 | 第59-61页 |
| ·多分类器的串行融合方式 | 第59-61页 |
| ·多分类器的并行融合方式 | 第61页 |
| ·单分类器输出信息的层次 | 第61-62页 |
| ·本文货物识别算法 | 第62-65页 |
| ·实验结果与分析 | 第65-67页 |
| ·本章小结 | 第67-68页 |
| 第六章 货物拣选方法 | 第68-74页 |
| ·SK-6机器人坐标系 | 第68-69页 |
| ·SK-6机器人运动控制 | 第69-72页 |
| ·机器人示教编程 | 第69-70页 |
| ·机器人远程控制 | 第70-72页 |
| ·机器人运动控制的实现 | 第72-73页 |
| ·本章小结 | 第73-74页 |
| 第七章 总结与展望 | 第74-76页 |
| ·本文工作总结 | 第74-75页 |
| ·工作展望 | 第75-76页 |
| 参考文献 | 第76-80页 |
| 致谢 | 第80-81页 |
| 攻读学位期间发表的学术论文目录 | 第81-82页 |
| 学位论文评阅及答辩情况表 | 第82页 |
