| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-18页 |
| 1.1 研究背景和意义 | 第10-11页 |
| 1.2 机器视觉在国内外研究发展现状 | 第11-14页 |
| 1.3 机器视觉在汽车生产领域研究发展现状 | 第14-16页 |
| 1.4 论文的主要工作及内容安排 | 第16-18页 |
| 第2章 车身焊点质量检测机器人系统简介 | 第18-28页 |
| 2.1 车身焊点质量检测机器人工作原理 | 第18-19页 |
| 2.2 车身焊点质量检测机器人系统的技术要求 | 第19页 |
| 2.3 车身焊点质量检测机器人视觉系统概述 | 第19-27页 |
| 2.3.1 机器视觉系统概述 | 第20页 |
| 2.3.2 车身焊点质量检测机器人视觉系统硬件设计 | 第20-25页 |
| 2.3.3 车身焊点质量检测机器人视觉系统软件架构 | 第25-27页 |
| 2.4 本章小结 | 第27-28页 |
| 第3章 焊点图像处理 | 第28-36页 |
| 3.1 焊点图像的预处理 | 第28-32页 |
| 3.1.1 灰度化 | 第28-29页 |
| 3.1.2 中值滤波 | 第29-31页 |
| 3.1.3 图像锐化 | 第31-32页 |
| 3.2 焊点图像的边缘提取 | 第32-35页 |
| 3.3 本章小结 | 第35-36页 |
| 第4章 焊点智能识别 | 第36-51页 |
| 4.1 焊点图像的中心位置提取 | 第36-39页 |
| 4.2 焊点的图像特征提取 | 第39-42页 |
| 4.2.1 纹理定义与分析 | 第39-40页 |
| 4.2.2 图像灰度共生矩阵纹理特征 | 第40-42页 |
| 4.3 基于P-KFCM及SVM的焊点分类识别器设计 | 第42-49页 |
| 4.3.1 粒子群优化(PSO)算法 | 第43页 |
| 4.3.2 模糊核聚类(P-KFCM)算法 | 第43-45页 |
| 4.3.3 粒子群优化的模糊核聚类(P-KFCM)算法 | 第45-47页 |
| 4.3.4 支持向量机(SVM)分类模型 | 第47-48页 |
| 4.3.5 基于P-KFCM及SVM的焊点分类识别器 | 第48-49页 |
| 4.4 本章小结 | 第49-51页 |
| 第5章 焊点定位 | 第51-67页 |
| 5.1 机器人及其数学模型 | 第51-56页 |
| 5.1.1 机器人结构与参数 | 第51-52页 |
| 5.1.2 机器人数学模型 | 第52-56页 |
| 5.2 手眼视觉系统标定基础 | 第56-62页 |
| 5.2.1 摄像机成像模型 | 第56-57页 |
| 5.2.2 透镜畸变 | 第57-58页 |
| 5.2.3 摄像机标定的各坐标系建立与转换 | 第58-60页 |
| 5.2.4 手眼视觉系统的坐标转换 | 第60-62页 |
| 5.3 实时视觉定位实现 | 第62-66页 |
| 5.3.1 视觉定位流程与算法实现 | 第62-64页 |
| 5.3.2 车身焊点识别定位实验结果与分析 | 第64-66页 |
| 5.4 本章小结 | 第66-67页 |
| 结论与展望 | 第67-69页 |
| 参考文献 | 第69-73页 |
| 致谢 | 第73-74页 |
| 附录A 攻读学位期间所发表的学术成果 | 第74页 |
