重载浇筑机器人的双目视觉系统研究
发布时间:2023-02-14 17:50
随着智能工厂和工业机器人的发展,重载浇筑机器人在浇筑工业中扮演着越来越重要的角色,其智能化水平也越来越高。而传统的重载浇筑机器人仍是由人直接主导参与控制,按照人为的机械化动作指令执行动作,浇筑工人还需处于恶劣的浇筑作业环境中。因此,展开了对重载浇筑机器人双目视觉系统的研究。将双目视觉系统和重载浇筑机器人系统相结合,使重载浇筑机器人具有对周围环境的感知能力,并能根据周围环境的三维空间信息对目标物体进行识别和定位,从而实现重载浇筑机器人进一步的人工智能化,使浇筑工人完全能从恶劣的作业环境中解放出来。首先,对工业机器人、重载浇筑机器人和双目视觉系统的发展进行了详细的分析,并根据国内外对重载浇筑机器人和双目视觉系统的研究现状,结合目前重载浇筑机器人面临的问题和其结构特点,设计了重载浇筑机器人双目视觉的整体方案,并确定了数字图像采集、摄像机标定、图像预处理、特征提取与立体匹配、三维重建等实验流程,完成了双目视觉系统的软件设计。再根据双目摄像机成像的原理和对传统双目摄像机标定方法的研究,选择了合适的标定方法进行标定实验。然后,研究了图像预处理的方法,并基于对经典SURF特征提取算法原理的研究,提出...
【文章页数】:100 页
【学位级别】:硕士
【文章目录】:
摘要
Abstract
1 绪论
1.1 研究背景及意义
1.1.1 工业机器人的发展
1.1.2 重载浇筑机器人
1.1.3 双目视觉的意义
1.2 国内外研究现状
1.2.1 工业机器人国内外研究现状
1.2.2 双目视觉系统国内外研究现状
1.2.3 双目视觉相关算法的国内外研究现状
1.3 本论文研究的主要目的和主要内容
1.3.1 研究的主要目的
1.3.2 研究的主要内容
2 重载浇筑机器人双目视觉系统整体方案设计
2.1 引言
2.2 重载浇筑机器人的结构特点
2.3 双目视觉系统的作用
2.4 双目视觉系统的结构设计
2.4.1 系统的总体设计
2.4.2 摄像机的选择
2.5 双目视觉系统的软件设计
2.6 本章小结
3 重载浇筑机器人的双目摄像机标定
3.1 引言
3.2 摄像机成像原理
3.2.1 线性模型
3.2.2 坐标系转换原理
3.2.3 非线性模型
3.3 双目摄像机标定方法
3.4 双目摄像机标定实验和结果分析
3.5 本章小结
4 基于改进SURF算法的特征提取与立体匹配
4.1 引言
4.2 图像的预处理
4.2.1 双边滤波
4.2.2 Canny边缘检测
4.2.3 二值化处理
4.3 SURF特征提取算法
4.3.1 SURF特征点的检测
4.3.2 主方向定位
4.3.3 特征描述子生成
4.4 改进SURF算法的特征提取与立体匹配
4.4.1 二值化梯度法
4.4.2 改进的特征描述符生成
4.4.3 基于改进KD-tree的特征匹配
4.4.4 基于KD-tree的 BBF最近邻搜索
4.4.5 误匹配点剔除
4.5 实验仿真结果及分析
4.6 本章小结
5 重载浇筑机器人双目视觉系统的三维重建
5.1 引言
5.2 空间点的三维重建
5.3 三维重建的步骤
5.4 实验仿真结果及分析
5.5 本章小结
6 结论与展望
6.1 结论
6.2 展望
参考文献
致谢
作者简介及读研期间主要科研成果
本文编号:3742735
【文章页数】:100 页
【学位级别】:硕士
【文章目录】:
摘要
Abstract
1 绪论
1.1 研究背景及意义
1.1.1 工业机器人的发展
1.1.2 重载浇筑机器人
1.1.3 双目视觉的意义
1.2 国内外研究现状
1.2.1 工业机器人国内外研究现状
1.2.2 双目视觉系统国内外研究现状
1.2.3 双目视觉相关算法的国内外研究现状
1.3 本论文研究的主要目的和主要内容
1.3.1 研究的主要目的
1.3.2 研究的主要内容
2 重载浇筑机器人双目视觉系统整体方案设计
2.1 引言
2.2 重载浇筑机器人的结构特点
2.3 双目视觉系统的作用
2.4 双目视觉系统的结构设计
2.4.1 系统的总体设计
2.4.2 摄像机的选择
2.5 双目视觉系统的软件设计
2.6 本章小结
3 重载浇筑机器人的双目摄像机标定
3.1 引言
3.2 摄像机成像原理
3.2.1 线性模型
3.2.2 坐标系转换原理
3.2.3 非线性模型
3.3 双目摄像机标定方法
3.4 双目摄像机标定实验和结果分析
3.5 本章小结
4 基于改进SURF算法的特征提取与立体匹配
4.1 引言
4.2 图像的预处理
4.2.1 双边滤波
4.2.2 Canny边缘检测
4.2.3 二值化处理
4.3 SURF特征提取算法
4.3.1 SURF特征点的检测
4.3.2 主方向定位
4.3.3 特征描述子生成
4.4 改进SURF算法的特征提取与立体匹配
4.4.1 二值化梯度法
4.4.2 改进的特征描述符生成
4.4.3 基于改进KD-tree的特征匹配
4.4.4 基于KD-tree的 BBF最近邻搜索
4.4.5 误匹配点剔除
4.5 实验仿真结果及分析
4.6 本章小结
5 重载浇筑机器人双目视觉系统的三维重建
5.1 引言
5.2 空间点的三维重建
5.3 三维重建的步骤
5.4 实验仿真结果及分析
5.5 本章小结
6 结论与展望
6.1 结论
6.2 展望
参考文献
致谢
作者简介及读研期间主要科研成果
本文编号:3742735
本文链接:https://www.wllwen.com/kejilunwen/zidonghuakongzhilunwen/3742735.html