摘要 | 第4-6页 |
Abstract | 第6-7页 |
1 绪论 | 第11-21页 |
1.1 论文选题依据、研究背景及意义 | 第11-12页 |
1.1.1 选题依据 | 第11页 |
1.1.2 研究背景和问题的提出 | 第11-12页 |
1.2 相关领域国内外发展现状 | 第12-15页 |
1.2.1 机器人视觉技术研究现状 | 第12-14页 |
1.2.2 目标识别与定位研究现状 | 第14-15页 |
1.3 论文主要研究内容及安排 | 第15-20页 |
1.3.1 主要研究内容 | 第15-17页 |
1.3.2 论文组织结构 | 第17-20页 |
1.4 本章小结 | 第20-21页 |
2 摄像机标定算法研究 | 第21-39页 |
2.1 引言 | 第21页 |
2.2 基本理论 | 第21-26页 |
2.2.1 参考坐标系 | 第21-25页 |
2.2.2 线性摄像机模型 | 第25页 |
2.2.3 非线性摄像机模型 | 第25-26页 |
2.3 基于平面圆靶标的摄像机标定算法研究 | 第26-31页 |
2.3.1 平面圆靶标识别算法 | 第26-29页 |
2.3.2 张正友摄像机标定法 | 第29-31页 |
2.4 双目摄像机标定及特征点匹配改进算法研究 | 第31-33页 |
2.4.1 双目摄像机标定 | 第31-32页 |
2.4.2 增加方位约束的特征点匹配改进算法 | 第32-33页 |
2.5 实验及结果分析 | 第33-37页 |
2.5.1 摄像机标定实验及结果分析 | 第33-36页 |
2.5.2 特征点匹配实验及结果分析 | 第36-37页 |
2.6 本章小结 | 第37-39页 |
3 手眼标定算法及多变量PID神经网络改进算法研究 | 第39-63页 |
3.1 引言 | 第39-40页 |
3.2 基本理论 | 第40-45页 |
3.2.1 手眼标定 | 第40页 |
3.2.2 PID神经元 | 第40-42页 |
3.2.3 多变量PID神经网络 | 第42-45页 |
3.3 基于五点圆靶标的手眼标定算法 | 第45-50页 |
3.3.1 手眼系统坐标获取 | 第45-47页 |
3.3.2 手眼系统标定 | 第47-50页 |
3.4 基于多新息理论的多变量PID神经元网络改进算法研究 | 第50-56页 |
3.4.1 多新息理论 | 第50-52页 |
3.4.2 基于多新息理论的多变量PID神经元网络 | 第52-55页 |
3.4.3 MI-MPIDNN系统辨识设计 | 第55-56页 |
3.5 实验仿真及结果分析 | 第56-62页 |
3.5.1 手眼标定实验结果及分析 | 第56-59页 |
3.5.2 基于多新息理论的多变量PID神经元网络仿真结果及分析 | 第59-62页 |
3.6 本章小结 | 第62-63页 |
4 基于深度学习的物体识别与定位改进算法研究 | 第63-91页 |
4.1 引言 | 第63-64页 |
4.2 基本理论 | 第64-70页 |
4.2.1 卷积神经网络 | 第64-66页 |
4.2.2 物体识别与定位基本流程 | 第66-67页 |
4.2.3 SSD:Single Shot MultiBox Detector | 第67-70页 |
4.3 基于深度卷积神经网络的图像去噪改进算法研究 | 第70-75页 |
4.3.1 网路结构 | 第70-72页 |
4.3.2 卷积与反卷积 | 第72-73页 |
4.3.3 网络模型训练 | 第73-74页 |
4.3.4 针对RGB图像去噪的卷积神经网络 | 第74-75页 |
4.4 基于特征金字塔的SSD目标检测改进算法研究 | 第75-79页 |
4.4.1 特征金字塔 | 第75-76页 |
4.4.2 网络结构 | 第76-78页 |
4.4.3 反卷积与扩张卷积 | 第78-79页 |
4.4.4 训练 | 第79页 |
4.5 实验与结果分析 | 第79-90页 |
4.5.1 基于深度卷积神经网络的图像去噪实验与分析 | 第79-84页 |
4.5.2 基于特征金字塔的SSD目标检测改进算法实验与分析 | 第84-88页 |
4.5.3 双目视觉平台下目标识别与抓取定位实验与分析 | 第88-90页 |
4.6 本章小结 | 第90-91页 |
5 总结与展望 | 第91-93页 |
5.1 总结 | 第91-92页 |
5.2 展望 | 第92-93页 |
参考文献 | 第93-101页 |
攻读硕士学位期间发表的论文及所取得的研究成果 | 第101-103页 |
致谢 | 第103-104页 |