| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第10-15页 |
| 1.1 课题的研究背景及意义 | 第10-11页 |
| 1.1.1 课题研究背景 | 第10页 |
| 1.1.2 课题研究意义 | 第10-11页 |
| 1.2 工业机器人及机器视觉发展概述 | 第11-13页 |
| 1.2.1 工业机器人发展概述 | 第11-12页 |
| 1.2.2 机器视觉技术发展概述 | 第12-13页 |
| 1.3 研究内容和总体安排 | 第13-14页 |
| 1.3.1 课题研究内容 | 第13页 |
| 1.3.2 论文总体安排 | 第13-14页 |
| 1.4 本章小结 | 第14-15页 |
| 第二章 混线生产中视觉机器人系统总体设计 | 第15-21页 |
| 2.1 视觉机器人系统的总体功能和技术要求 | 第15-16页 |
| 2.1.1 视觉机器人的系统功能 | 第15页 |
| 2.1.2 视觉机器人系统的工作流程 | 第15-16页 |
| 2.1.3 视觉机器人系统的技术要求 | 第16页 |
| 2.2 混线生产中视觉机器人系统的硬件设计 | 第16-19页 |
| 2.2.1 KukaKR-16机器人系统 | 第16-17页 |
| 2.2.2 视觉机器人系统相机选用 | 第17-18页 |
| 2.2.3 视觉机器人系统图像采集卡选用 | 第18-19页 |
| 2.3 混线生产中视觉机器人系统的软件设计 | 第19-20页 |
| 2.3.1 NIVision软件简介 | 第19-20页 |
| 2.3.2 NIVision软件程序设计 | 第20页 |
| 2.4 本章小结 | 第20-21页 |
| 第三章 工件图像预处理和边缘特征提取 | 第21-35页 |
| 3.1 工件图像预处理 | 第21-27页 |
| 3.1.1 图像灰度化 | 第21-22页 |
| 3.1.2 图像滤波 | 第22-26页 |
| 3.1.3 图像直方图均衡化 | 第26-27页 |
| 3.2 工件图像边缘特征提取 | 第27-32页 |
| 3.2.1 图像边缘检测 | 第27页 |
| 3.2.2 边缘检测算子选取 | 第27-29页 |
| 3.2.3 阈值选取 | 第29-32页 |
| 3.3 工件边缘特征提取实验 | 第32-34页 |
| 3.4 本章小结 | 第34-35页 |
| 第四章 工件图像识别匹配 | 第35-46页 |
| 4.1 工件目标点几何标定 | 第35-38页 |
| 4.1.1 工件形态标定 | 第35-36页 |
| 4.1.2 工件目标点坐标标定 | 第36-37页 |
| 4.1.3 Hausdorff距离标定 | 第37-38页 |
| 4.2 基于BP神经网络的图像匹配 | 第38-40页 |
| 4.2.1 BP神经网络介绍 | 第39页 |
| 4.2.2 BP神经网络图像匹配原理 | 第39-40页 |
| 4.3 工件图像匹配实验与分析 | 第40-45页 |
| 4.4 本章小结 | 第45-46页 |
| 第五章 工业机器人运动学分析和定位抓取路径规划 | 第46-67页 |
| 5.1 机器人运动学建模 | 第46-51页 |
| 5.1.1 空间运动的齐次变换 | 第46-49页 |
| 5.1.2 机器人正运动学建模 | 第49-50页 |
| 5.1.3 机器人逆运动学建模 | 第50-51页 |
| 5.2 机器人定位抓取路径规划 | 第51-58页 |
| 5.2.1 关节空间路径规化 | 第51-53页 |
| 5.2.2 笛卡尔空间路径规划 | 第53-58页 |
| 5.3 机器人手眼标定 | 第58页 |
| 5.4 机器人定位抓取仿真 | 第58-64页 |
| 5.5 工件位置定位偏差修复与机器人抓取轨迹再规划 | 第64-66页 |
| 5.6 本章小结 | 第66-67页 |
| 第六章 结论与展望 | 第67-69页 |
| 6.1 全文总结 | 第67页 |
| 6.2 工作展望 | 第67-69页 |
| 参考文献 | 第69-72页 |
| 在读期间公开发表和待发表的论文 | 第72-73页 |
| 致谢 | 第73页 |