摘要 | 第1-7页 |
ABSTRACT | 第7-12页 |
第1章 绪论 | 第12-34页 |
·计算智能及其研究现状 | 第12-18页 |
·计算智能的发展历程:从人工智能到计算智能 | 第12-13页 |
·进化计算概述 | 第13-15页 |
·人工神经网络概述 | 第15-16页 |
·人工蜂群算法 | 第16页 |
·微粒群算法 | 第16-17页 |
·多层前馈神经网络和径向基神经网络 | 第17-18页 |
·三维表面扫描技术应用现状 | 第18-19页 |
·三维表面扫描机器人系统 | 第19-30页 |
·三维表面扫描机器人系统的典型应用 | 第20-24页 |
·三维表面扫描机器人系统的研究及应用现状 | 第24-26页 |
·三维表面扫描机器人系统的关键技术 | 第26-30页 |
·本文主要研究内容 | 第30-34页 |
·本文研究主线 | 第30-31页 |
·本文结构安排 | 第31-34页 |
第2章 三维表面扫描机器人系统组成及其数学模型 | 第34-44页 |
·三维表面扫描机器人系统的结构组成 | 第34-35页 |
·三维表面扫描机器人系统本体数学模型 | 第35-37页 |
·线结构光传感器的数学模型 | 第37-41页 |
·摄像机的畸变透视变换模型 | 第37-38页 |
·解析几何模型 | 第38-40页 |
·直接映射方法模型 | 第40-41页 |
·三维表面扫描机器人系统数学模型 | 第41页 |
·本章小结 | 第41-44页 |
第3章 机器人本体运动学建模及标定 | 第44-70页 |
·Motoman-HP3L运动学仿真 | 第46-47页 |
·机器人本体标定研究综述 | 第47-49页 |
·三坐标测量机标定机器人本体 | 第49-58页 |
·标定方法 | 第49-53页 |
·实验结果 | 第53-58页 |
·机器人标定最优形位研究 | 第58-60页 |
·二进制人工蜂群算法及其在最优形位中的应用 | 第60-68页 |
·人工蜂群算法 | 第60-62页 |
·人工蜂群算法的收敛性 | 第62页 |
·二进制人工蜂群算法 | 第62-64页 |
·实验结果 | 第64-68页 |
·本章小结 | 第68-70页 |
第4章 线结构光视觉传感器标定 | 第70-100页 |
·圆心投影校正方法 | 第71-81页 |
·圆心投影校正方法 | 第71-75页 |
·同心圆补偿圆心偏差的仿真实验 | 第75-76页 |
·同心圆补偿圆心偏差的真实实验 | 第76-81页 |
·线结构光视觉传感器标定方法 | 第81-87页 |
·摄像机参数标定方法 | 第81-83页 |
·光平面参数的标定 | 第83-84页 |
·本文提出的标定新方法 | 第84-87页 |
·标定实验及结果 | 第87-99页 |
·实验条件 | 第87-88页 |
·实验过程及计算步骤 | 第88-92页 |
·标定结果 | 第92-95页 |
·标定精度评价 | 第95-99页 |
·本章小结 | 第99-100页 |
第5章 三维表面扫描机器人系统误差建模 | 第100-118页 |
·手眼标定 | 第101页 |
·系统误差建模 | 第101-110页 |
·ICP算法 | 第101-103页 |
·径向基神经网络设计 | 第103-108页 |
·PSO-RBFNN用于整体误差建模 | 第108-110页 |
·实验结果 | 第110-116页 |
·本章小结 | 第116-118页 |
第6章 离散三维点云曲面重构 | 第118-134页 |
·曲面重构研究综述 | 第118-120页 |
·样条函数法曲面重构 | 第120-121页 |
·人工神经网络法曲面重构 | 第121-132页 |
·RBFNN曲面重构 | 第121-124页 |
·RBFNN曲面重构实验结果 | 第124-125页 |
·MLPNN曲面重构 | 第125-126页 |
·具有分数阶项和动量项的改进BP算法(GDFPM) | 第126-128页 |
·基于GDFPM训练的MLPNN曲面重构实验结果 | 第128-130页 |
·RBFNN和MLPNN用于曲面重构比较 | 第130-132页 |
·本章小结 | 第132-134页 |
第7章 总结与展望 | 第134-138页 |
·全文总结 | 第134-135页 |
·未来工作展望 | 第135-138页 |
参考文献 | 第138-160页 |
攻读学位期间公开发表论文 | 第160-162页 |
致谢 | 第162-163页 |