| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第13-23页 |
| 1.1 研究背景和意义 | 第13-14页 |
| 1.2 相关国内外研究现状 | 第14-20页 |
| 1.2.1 视觉分拣系统的研究现状 | 第14-16页 |
| 1.2.2 机器视觉技术研究现状 | 第16-20页 |
| 1.3 本文的研究内容和章节安排 | 第20-23页 |
| 第二章 视觉系统的原理与设计 | 第23-31页 |
| 2.1 视觉系统的整体架构 | 第23-25页 |
| 2.2 视觉系统的主体硬件 | 第25-28页 |
| 2.2.1 机械手 | 第25-26页 |
| 2.2.2 工业相机与镜头 | 第26-28页 |
| 2.3 视觉系统的软件模块 | 第28-29页 |
| 2.4 本章小结 | 第29-31页 |
| 第三章 视觉系统标定方法研究 | 第31-49页 |
| 3.1 摄像机标定 | 第31-39页 |
| 3.1.1 摄像机模型 | 第31-33页 |
| 3.1.2 相机内参数标定 | 第33-37页 |
| 3.1.3 基于非线性优化的外参标定方法 | 第37-39页 |
| 3.2 机械臂手眼标定 | 第39-45页 |
| 3.2.1 手眼标定方程的建立 | 第39-40页 |
| 3.2.2 基于李代数的标定方程求解方法 | 第40-42页 |
| 3.2.3 手眼标定算法实现 | 第42-45页 |
| 3.3 基于标定结果的视觉定位 | 第45-48页 |
| 3.3.1 与传统方法的定位精度比较 | 第45-46页 |
| 3.3.2 工件定位方法 | 第46-48页 |
| 3.4 本章小结 | 第48-49页 |
| 第四章 基于人工神经网络的工件识别方法 | 第49-67页 |
| 4.1 人工神经网络 | 第49-51页 |
| 4.1.1 人工神经网络技术简介 | 第49-51页 |
| 4.1.2 多层感知器MLP | 第51页 |
| 4.2 工件图像处理与特征提取 | 第51-60页 |
| 4.2.1 工件图像处理与特征提取 | 第51-53页 |
| 4.2.2 灰度处理与二值化 | 第53-55页 |
| 4.2.3 图像去噪与区域分割 | 第55-57页 |
| 4.2.4 工件特征提取结果 | 第57-60页 |
| 4.3 基于MLP的工件识别网络构建 | 第60-63页 |
| 4.3.1 确定网络结构 | 第60-61页 |
| 4.3.2 神经网络的训练与测试 | 第61-63页 |
| 4.4 工件识别演示实验 | 第63-65页 |
| 4.5 本章小结 | 第65-67页 |
| 第五章 静态工件在实际场景下的分拣系统实现 | 第67-79页 |
| 5.1 粘连工件分割方法 | 第67-71页 |
| 5.1.1 传统分割方法 | 第67-68页 |
| 5.1.2 基于分水岭与区域运算的粘连工件分割算法 | 第68-71页 |
| 5.2 静态工件分拣步骤 | 第71-73页 |
| 5.3 工件分拣实验 | 第73-77页 |
| 5.3.1 实验平台的搭建 | 第73-74页 |
| 5.3.2 分拣结果与系统分析 | 第74-77页 |
| 5.4 本章小结 | 第77-79页 |
| 第六章 总结与展望 | 第79-81页 |
| 6.1 总结 | 第79-80页 |
| 6.2 展望 | 第80-81页 |
| 参考文献 | 第81-85页 |
| 攻读硕士期间发表论文与参与课题项目 | 第85-86页 |
| 致谢 | 第86页 |