基于Kinect无纹理散乱工件识别与姿态估计方法研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第13-23页 |
| 1.1 课题研究背景与研究意义 | 第13-15页 |
| 1.2 研究现状介绍 | 第15-21页 |
| 1.2.1 无纹理物体识别技术 | 第15-19页 |
| 1.2.2 物体姿态估计研究现状 | 第19-21页 |
| 1.3 主要研究内容 | 第21-22页 |
| 1.4 论文组织框架 | 第22-23页 |
| 第二章 基于KinectV2的视觉感知系统设计 | 第23-38页 |
| 2.1 概述 | 第23页 |
| 2.2 基于深度图像的点云获取 | 第23-24页 |
| 2.3 KinectV2传感器的结构和原理 | 第24-29页 |
| 2.3.1 KinectV2硬件构成 | 第24-25页 |
| 2.3.2 深度图像的获取 | 第25-29页 |
| 2.4 KinectV2的视觉标定 | 第29-37页 |
| 2.4.1 基于内外参数的摄像机模型 | 第29-32页 |
| 2.4.2 标定模型 | 第32-34页 |
| 2.4.3 标定的主要过程和结果 | 第34-37页 |
| 2.5 本章小结 | 第37-38页 |
| 第三章 散乱无纹理工件的识别 | 第38-57页 |
| 3.1 概述 | 第38页 |
| 3.2 深度图像的噪声与空洞处理 | 第38-44页 |
| 3.2.1 深度图像噪声去除 | 第39-42页 |
| 3.2.2 深度图像空洞填充 | 第42-44页 |
| 3.3 LineMOD多特征模板匹配方法 | 第44-48页 |
| 3.4 LineMOD多特征模板匹配的缺陷分析 | 第48-49页 |
| 3.5 基于LineMOD方法的改进与实现 | 第49-53页 |
| 3.5.1 RGB图像的梯度定向映射 | 第49-51页 |
| 3.5.2 模板匹配的相似性评估函数 | 第51-52页 |
| 3.5.3 利用图像金字塔进行模板匹配 | 第52-53页 |
| 3.6 三维工件的模板采集 | 第53-55页 |
| 3.7 散乱工件的识别实验 | 第55-56页 |
| 3.8 本章小结 | 第56-57页 |
| 第四章 目标工件的位姿估计 | 第57-80页 |
| 4.1 概述 | 第57页 |
| 4.2 点云配准的数学模型与计算步骤 | 第57-59页 |
| 4.2.1 点云配准的数学模型 | 第57-58页 |
| 4.2.2 点云配准的计算步骤 | 第58-59页 |
| 4.3 经典ICP算法原理以及改进策略 | 第59-63页 |
| 4.3.1 传统ICP算法配准原理 | 第59-63页 |
| 4.3.2 精确配准算法的改进策略 | 第63页 |
| 4.4 基于模板的初始配准 | 第63-65页 |
| 4.5 加速的ICP精确配准算法 | 第65-70页 |
| 4.5.1 改进的精确配准算法描述 | 第65页 |
| 4.5.2 体素栅格法下采样点云 | 第65-67页 |
| 4.5.3 基于KD-Tree加速最近点的搜索 | 第67-69页 |
| 4.5.4 基于欧式距离阈值去除错误对应点 | 第69-70页 |
| 4.6 配准算法性能比较 | 第70-74页 |
| 4.6.1 配准误差的衡量 | 第70-71页 |
| 4.6.2 配准结果对比及分析 | 第71-74页 |
| 4.7 散乱工件的姿态估计实验 | 第74-79页 |
| 4.7.1 基于F1分数性能评价 | 第74-75页 |
| 4.7.2 实验结果与分析 | 第75-79页 |
| 4.8 本章小结 | 第79-80页 |
| 总结与展望 | 第80-81页 |
| 参考文献 | 第81-86页 |
| 攻读学位期间发表的论文 | 第86-88页 |
| 致谢 | 第88页 |
