基于PSO算法的焊接机器人视觉系统标定与初始焊位导引
| 摘要 | 第3-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-32页 |
| 1.1 引言 | 第9-10页 |
| 1.2 工业机器人发展现状及应用 | 第10-13页 |
| 1.2.1 工业机器人发展现状 | 第10页 |
| 1.2.2 工业机器人的应用 | 第10-13页 |
| 1.3 计算机视觉的发展与应用 | 第13-18页 |
| 1.3.1 计算机视觉的发展 | 第13-14页 |
| 1.3.2 机器视觉在焊接中的应用 | 第14-18页 |
| 1.4 摄像机标定技术及相机模型 | 第18-24页 |
| 1.4.1 传统标定方法 | 第19页 |
| 1.4.2 自标定法 | 第19-20页 |
| 1.4.3 基于主动视觉的标定法 | 第20-21页 |
| 1.4.4 摄像机成像模型 | 第21-24页 |
| 1.5 粒子群算法及其研究现状 | 第24-30页 |
| 1.5.1 算法基本模型 | 第25-26页 |
| 1.5.2 PSO算法常见的改进方法 | 第26-29页 |
| 1.5.3 PSO算法的应用 | 第29-30页 |
| 1.6 本文研究背景及主要内容 | 第30-32页 |
| 第二章 焊接机器人视觉导引实验平台 | 第32-42页 |
| 2.1 系统平台的组成 | 第32-35页 |
| 2.1.1 焊接机器人系统 | 第33-34页 |
| 2.1.2 视觉传感系统 | 第34-35页 |
| 2.1.3 弧焊系统 | 第35页 |
| 2.2 视觉系统的标定 | 第35-41页 |
| 2.2.1 理论部分 | 第35-39页 |
| 2.2.2 系统标定实验 | 第39-41页 |
| 2.3 本章小结 | 第41-42页 |
| 第三章 基于PSO算法的摄像机标定 | 第42-55页 |
| 3.1 PSO算法的改进 | 第42-46页 |
| 3.1.1 引入混沌扰动 | 第42-43页 |
| 3.1.2 采用自适应惯性系数 | 第43-44页 |
| 3.1.3 选择合适的边界条件 | 第44-45页 |
| 3.1.4 局部收敛的判断 | 第45-46页 |
| 3.2 ICPSO算法实现流程 | 第46-48页 |
| 3.3 摄像机标定实验 | 第48-54页 |
| 3.3.1 标定参数的确定 | 第48-49页 |
| 3.3.2 标定实验 | 第49-54页 |
| 3.4 本章小结 | 第54-55页 |
| 第四章 图像特征点的提取与视觉导引原理 | 第55-63页 |
| 4.1 初始焊位识别 | 第55-59页 |
| 4.1.1 图像预处理 | 第55-56页 |
| 4.1.2 边缘提取 | 第56-57页 |
| 4.1.3 初始特征点的提取 | 第57-59页 |
| 4.2 特征点三维重建 | 第59-62页 |
| 4.3 本章小结 | 第62-63页 |
| 第五章 焊缝初始位置导引实验结果与分析 | 第63-68页 |
| 5.1 视实验系统 | 第63-64页 |
| 5.1.1 硬件系统 | 第63页 |
| 5.1.2 软件系统 | 第63-64页 |
| 5.2 实验操作流程 | 第64-65页 |
| 5.3 结果与分析 | 第65-67页 |
| 5.4 本章小结 | 第67-68页 |
| 第六章 结论 | 第68-69页 |
| 参考文献 | 第69-73页 |
| 致谢 | 第73-75页 |
| 攻读硕士学位期间已发表或录用的论文 | 第75-77页 |
