| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第1章 绪论 | 第9-19页 |
| 1.1 研究背景和意义 | 第9-11页 |
| 1.1.1 人工分选 | 第10页 |
| 1.1.2 传统的工业机器人分选 | 第10-11页 |
| 1.1.3 基于视觉技术的工业机器人分选 | 第11页 |
| 1.2 研究现状 | 第11-15页 |
| 1.2.1 文献综述 | 第12-13页 |
| 1.2.2 国内外已经推向市场的产品 | 第13-15页 |
| 1.3 基于Delta机器人的视觉分选系统 | 第15-17页 |
| 1.3.1 视觉分选系统的功能 | 第15-17页 |
| 1.3.2 视觉分选的核心技术 | 第17页 |
| 1.4 本文主要内容及章节安排 | 第17-19页 |
| 第2章 Delta机器人视觉分选系统的总体设计 | 第19-27页 |
| 2.1 Delta机器人分选系统的整体方案设计 | 第19-20页 |
| 2.2 视觉分选系统硬件平台 | 第20-25页 |
| 2.2.1 Delta机器人实验平台 | 第20-21页 |
| 2.2.2 人工光源的选择 | 第21-22页 |
| 2.2.3 相机的选择 | 第22-23页 |
| 2.2.4 镜头的选择 | 第23-24页 |
| 2.2.5 视觉分选系统开发平台 | 第24-25页 |
| 2.3 视觉分选系统的软件结构 | 第25-26页 |
| 2.4 本章小结 | 第26-27页 |
| 第3章 Delta机器人视觉标定及运动学分析 | 第27-43页 |
| 3.1 相机的标定模型 | 第27-29页 |
| 3.1.1 相机内参模型 | 第27-29页 |
| 3.1.2 相机外参模型 | 第29页 |
| 3.2 畸变校正 | 第29-34页 |
| 3.2.1 相机镜头非线性畸变模型 | 第29-31页 |
| 3.2.2 镜头的非线性畸变校正方法 | 第31-32页 |
| 3.2.3 相机标定及图像畸变校正 | 第32-34页 |
| 3.3 视觉系统的标定 | 第34-35页 |
| 3.4 Delta机器人运动学分析 | 第35-39页 |
| 3.4.1 Delta机器人运动学逆解 | 第35-37页 |
| 3.4.2 Delta机器人运动学正解 | 第37-39页 |
| 3.5 基于目标位置的Delta机器人抓取实验 | 第39-41页 |
| 3.6 本章小结 | 第41-43页 |
| 第4章 基于特征的目标识别 | 第43-65页 |
| 4.1 基于特征的图像处理 | 第43-44页 |
| 4.2 基于极坐标霍夫变换的盒底直线提取 | 第44-49页 |
| 4.2.1 基于极坐标霍夫变换的矩形短边提取 | 第46-47页 |
| 4.2.2 短边长度斜率及短边间的距离测量 | 第47-48页 |
| 4.2.3 基于极坐标霍夫变换的盒底短边提取实验 | 第48-49页 |
| 4.3 基于霍夫变换的盒底圆的提取 | 第49-55页 |
| 4.3.1 基于霍夫变换的圆的检测 | 第50-51页 |
| 4.3.2 圆心及半径的测量 | 第51-53页 |
| 4.3.3 盒底内圆的检测实验 | 第53-55页 |
| 4.4 基于Harris角点算法的盒盖识别及定位 | 第55-60页 |
| 4.4.1 Harris角点检测算法 | 第55-57页 |
| 4.4.2 基于Harris角点算法的矩形检测 | 第57-58页 |
| 4.4.3 盒盖的识别定位 | 第58-60页 |
| 4.5 盒盖Code128A码的读取 | 第60-63页 |
| 4.5.1 Code128码的结构 | 第60-61页 |
| 4.5.2 Code128A码的读取算法 | 第61-63页 |
| 4.5.3 Code128A码的读取实验 | 第63页 |
| 4.6 本章小结 | 第63-65页 |
| 第5章 基于Delta机器人的包装盒视觉分选的实现 | 第65-75页 |
| 5.1 包装盒视觉分选流程 | 第65-66页 |
| 5.2 视觉系统与Delta机器人控制器的通讯 | 第66-68页 |
| 5.3 盒盖角度调整 | 第68-72页 |
| 5.4 包装盒的视觉分选实验 | 第72-74页 |
| 5.5 本章小结 | 第74-75页 |
| 第6章 总结与展望 | 第75-77页 |
| 6.1 总结 | 第75-76页 |
| 6.2 展望 | 第76-77页 |
| 参考文献 | 第77-81页 |
| 致谢 | 第81-83页 |
| 个人简历、在学期间发表的学术论文及研究成果 | 第83页 |