声明
第一章 绪论
1.1 研究背景及意义
1.2 国内外研究现状
1.2.1 视觉引导技术在机器人上的应用
1.2.2 基于双目视觉的相机标定方法
1.2.3 双目视觉系统基于传统方式的识别方法
1.2.4基于深度学习的双目视觉系统识别方法
1.3 论文的研究内容及文章结构
1.3.1 研究内容与技术路线
1.3.2 论文的结构安排
第二章 基于双目视觉的机器人抓取定位控制系统设计
2.1 总体方案设计
2.2机器视觉系统深度相机的选择
2.3 相机安装方式的选择
2.4 硬件系统设计及选型
2.4.1 云台控制系统
2.4.2 相机及镜头的选型
2.5 实验方案制定
2.6 本章小结
第三章 基于双目立体视觉技术的标定方法
3.1 双目立体视觉的测量原理
3.2 双目立体视觉标定技术简介
3.2.1 标定坐标系介绍
3.2.2 坐标系之间的转换
3.3 双目立体视觉标定方法分类
3.4 相机畸变
3.5 基于云台的相机标定
3.6 实验结果及分析
3.7 本章小结
第四章 基于传统图像算法预处理的深度学习改进分割方法
4.1 深度学习与图像分割
4.1.1 深度神经网络的起源与发展
4.1.2 深度学习在图像分割中的应用
4.2 基于感兴趣区域的深度神经网络
4.2.1 R-CNN网络模型
4.2.2 Fast R-CNN网络模型
4.2.3 Faster R-CNN网络模型
4.2.4 Mask R-CNN网络模型
4.2.5 Mask Scoring R-CNN网络模型
4.3 结合传统图像算法的深度学习
4.3.1 基于传统算法的图像预处理
4.3.2 结合深度模型的图像分割
4.4 识别结果分析
4.5 基于识别区域轮廓的双目测距方法
4.6 本章小结
第五章 Boxes识别与定位系统设计与验证
5.1 实验开发环境
5.2 实验系统结构及结果分析
5.3 机械手路径规划
5.4 本章小结
第六章 总结与展望
6.1 论文总结
6.2 工作展望
参考文献
致谢
攻读硕士学位期间的科研成果
江苏大学;
