基于视觉的机器人姿态测量
| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第一章 绪论 | 第12-20页 |
| 1.1 研究背景及意义 | 第12-13页 |
| 1.2 国外视觉机器人研究现状 | 第13-15页 |
| 1.3 国内视觉机器人研究现状 | 第15-16页 |
| 1.4 机器人视觉概述 | 第16-17页 |
| 1.5 多传感器融合方法概述 | 第17-18页 |
| 1.6 本文主要研究内容 | 第18-20页 |
| 第二章 摄像机标定技术 | 第20-34页 |
| 2.1 计算机视觉坐标系简介 | 第20-23页 |
| 2.1.1 四种坐标系简介 | 第20-21页 |
| 2.1.2 坐标系转换关系 | 第21-23页 |
| 2.2 常见的相机模型 | 第23-25页 |
| 2.2.1 双目相机模型 | 第23-24页 |
| 2.2.2 深度相机模型 | 第24-25页 |
| 2.3 Kinect硬件介绍 | 第25-26页 |
| 2.4 Kinect开发环境介绍 | 第26-28页 |
| 2.4.1 Kinect数据采集 | 第27页 |
| 2.4.2 Kinect获取深度数据 | 第27-28页 |
| 2.5 Kinect标定 | 第28-32页 |
| 2.6 本章小结 | 第32-34页 |
| 第三章 基于视觉传感器的姿态测量方法设计 | 第34-56页 |
| 3.1 引言 | 第34页 |
| 3.2 视觉算法设计 | 第34-43页 |
| 3.2.1 图像预处理 | 第35-37页 |
| 3.2.2 特征提取与匹配 | 第37-43页 |
| 3.3 姿态解算 | 第43-46页 |
| 3.4 实验结果及分析 | 第46-52页 |
| 3.4.1 静态测量 | 第46-48页 |
| 3.4.2 动态测量 | 第48-51页 |
| 3.4.3 误差及问题分析 | 第51-52页 |
| 3.5 基于亚像素的特征点提取算法 | 第52-53页 |
| 3.6 本章小结 | 第53-56页 |
| 第四章 基于视觉的姿态测量机器人平台设计 | 第56-60页 |
| 4.1 引言 | 第56页 |
| 4.2 三轴转动机器人平台结构设计 | 第56-58页 |
| 4.3 三轴转动机器人平台硬件设计 | 第58-59页 |
| 4.4 本章小结 | 第59-60页 |
| 第五章 基于卡尔曼滤波器的多传感器融合 | 第60-66页 |
| 5.1 引言 | 第60页 |
| 5.2 惯性、视觉姿态融合存在的问题 | 第60-61页 |
| 5.3 卡尔曼滤波状态更新 | 第61-62页 |
| 5.4 基于卡尔曼滤波器的数据融合 | 第62-63页 |
| 5.5 仿真实验 | 第63-65页 |
| 5.6 本章小结 | 第65-66页 |
| 第六章 总结和展望 | 第66-68页 |
| 6.1 本文总结 | 第66页 |
| 6.2 本文展望 | 第66-68页 |
| 参考文献 | 第68-72页 |
| 附录 | 第72-80页 |
| 致谢 | 第80-82页 |
| 攻读学位期间发表的学术论文目录 | 第82页 |
