导读:本文包含了视觉协作论文开题报告文献综述及选题提纲参考文献，主要关键词:汽车装配,装配自动化,协作机器人,机器视觉
视觉协作论文文献综述
栗移新[1]（2019）在《基于机器视觉的协作机器人装配汽车外饰条的应用》一文中研究指出利用光栅传感器结合旋转编码器跟踪双板链输送线上车辆位置,利用激光测距仪引导视觉拍照系统至车辆Y向等距位置,通过视觉系统定位车辆相对协作机器人执行机构的位置。在周边设置稳定光源,不同颜色车辆的差异化图像处理,使定位成功率达到99.8%。协作机器人接收视觉系统X、Z坐标信息,通过力控方式,按设定轨迹完成装配过程。通过验证,该过程轨迹100%覆盖装配点,装配点受力完全满足技术要求。(本文来源于《机电信息》期刊2019年24期）
陈红[2]（2019）在《多节点协作视觉传感器网络架构与功率分配研究》一文中研究指出无线视觉传感器网络(WVSN,Wireless Visual Sensor Network)是传统无线传感器网络的延伸,除了传统测量温度、湿度等标量的传感器节点之外,还广泛配置具有图像拍摄功能的视觉传感器节点。因此,WVSN将监测信息扩展到视觉层面,丰富了监测信息的内容。协作通信技术作为多天线技术的扩展,成为近年来通信领域的研究热点。将协作通信技术引入到无线视觉传感器网络中,形成虚拟的多天线环境,能够带来分集增益,扩大覆盖范围,从而提高网络性能。同时,本文重点研究了该协作WVSN中的功率分配技术,提出了一种基于深度神经网络(Deep Learning Network,DNN)的功率分配算法,该算法与传统算法相比,更切合与视觉传感器网络。具体为:(1)提出了一种多节点协作的异构无线视觉传感器网络架构,通过普通节点与相机节点之间的叁级协作,将相机节点的图像采集和传输能耗压力分解给普通节点,降低网络节点能耗,从而延长整无线视觉传感器网络的生命周期。(2)在多节点协作的异构无线视觉传感器网络架构的基础上重点研究了图像的协作传输问题,并且给出了直接传输、放大转发协作通信、解码转发协作通信叁种通信模式在两种功率分配方案下的峰值信噪比、均方误差的性能对比。(3)提出了一种基于深度神经网络的最优功率分配算法PWDNN,该算法将源、中继、目的端叁个不同信道的衰落因子作为DNN的输入训练数据,以最大化该协作WVSN的遍历容量为目标。仿真结果表明,训练好的深度神经网络能够根据不同的信道状态,快速实时的实现源端与中继端的功率分配,在不同的中继位置下都能够实现比等功率分配更好的遍历容量性能,更加适合用于WVSN。(本文来源于《齐鲁工业大学》期刊2019-05-30）
刘胜书,顾国华,王俊舟,曹行健[3]（2019）在《基于机器视觉的协作式机器人Baxter目标识别算法》一文中研究指出为了提升协作式机器人Baxter在工作应用中识别抓取目标物体的准确性和鲁棒性,对所涉及到的一些图像处理算法进行研究,提出了基于HSV颜色模型和形态学处理的工作区域轮廓检测算法,改进了传统识别圆的Hough变换算法。实验结果表明,所提出和改进的算法能够提升协作式机器人Baxter对目标识别的准确性和鲁棒性。(本文来源于《电光与控制》期刊2019年04期）
文超武[4]（2018）在《校企协作育人模式对本科教育改革的影响——以视觉传达为例》一文中研究指出教育事业的不断进步引起了教育改革的大潮,由于传统的本科高校教育模式存在诸多问题,所以进行教育改革势在必行。本文通过探究校企协作育人模式对本科高校教育改革的影响,分析教育体制改革的推进作用,来研究数字媒体视野下的视觉传达模式对本科高校教育改革的影响和推动作用。(本文来源于《内蒙古教育》期刊2018年24期）
赵阳[5]（2018）在《基于智能人机协作下视觉设计创作系统的构架研究》一文中研究指出随着人工智能技术的不断发展,在大数据与云计算的支持与促进下,以其自身的可持续工作、极快的运算速度等特性与一定程度的智能性越来越深入人们生活的各方领域,近年来也伸入进设计领域。国内外针对于设计领域的人工智能技术的应用都在如火如荼的进行中,经过共同的努力出现了不少的“智能”视觉设计生成软件。本文围绕是否可借助人工智能技术构建一智能视觉设计创作系统——即借助人工智能技术来帮助视觉传达设计师完成高质量、高效率和高数量的设计产出的问题思考,主要通过文献分析、个案调查等方法对神经网络系统及其影响下的专家系统等人工智能技术进行历史发展、类型与技术原理等方面的了解与深入学习,总结其优势特征,思考如何将人工智能技术应用于帮助视觉设计师进行设计工作的方向,并探讨如何将人工智能技术与设计师的设计工作流程结合,而后形成优势互补的人机协作模式,以达到所需构建的智能视觉设计创作系统的高质量、高效率和高数量等设计产出要求。针对该视觉设计创作系统应该满足的基本性能,再进一步展开对基于人工智能技术的、人机协作模式下的视觉设计创作系统的构架研究,最终形成了一套以多个领域的子集神经网络专家系统和多个相应支持的不同模块的集合体为基础结构的、生成式的智能人机协作下的视觉设计创作系统基本框架,并以包装设计等为例来进一步阐述该系统的工作原理与使用流程。最后围绕该系统以目前技术为支持的条件下初步建立的影响与该系统的未来进行简单讨论,表明即便随着科技的不断进步,设计师在与该系统的人机协作模式上的主导地位在未来较长时期内具有不可动摇性,该系统对设计师本身以及整个社会视觉呈现也具有提升的积极意义,同时也表明了该系统在视觉呈现方面上相较目前会具有突破性的同时,将来“审美”也会达到上限;未来在社会与技术的共同进步影响下,该系统的更新升级最终将带给人们更优化、有趣的视觉生活环境。(本文来源于《西安美术学院》期刊2018-05-01）
赵泳嘉[6]（2018）在《基于视觉引导的机器人共享协作系统研究》一文中研究指出机器人技术正处在发展的关键时期,可预见机器人将全面占据生活的各个领域并发挥积极作用。但是,我们需要清楚的认知到,就目前的发展现状来看,机器人受控制技术、传感器以及人工智能等领域发展水平的制约,所以短期内要研制出能够在复杂时变环境下完全自主的机器人还有很长的路要走。机器人在执行复杂的控制任务时,加入人的控制行为,即在控制任务中融入人的高级决策,能够规避目前机器人控制中尚存的技术难点。从人的视角而言,机器人的工作内容以适时的满足人的使用需求为主,人与机器人能够协同完成特定任务,减轻人的工作强度,改善人的工作条件。本文构建视觉引导的人机协作控制系统,意在实现人机共享协作控制。研究将视觉引导与视觉伺服结合起来,在多种工作条件下具有更为普遍的适用性。视觉伺服在局部范围内具有良好的鲁棒性,但在现有的视觉伺服控制相关研究中,机器人处在时变的复杂环境下,尚存伺服控制中难以实现避障等问题。为了解决此类问题,将人的高级决策融入到控制系统中,构建人机协作控制系统,依靠人进行视觉引导辅助机械臂实现避障运动。机械臂末端经视觉引导运动至目标物体附近区域,利用图像视觉伺服控制在目标物体附近区域的良好收敛特性,实现针对目标物体指定特征信息的精确伺服定位,从而完成人机协作控制任务。研究分为机械臂视觉引导控制及图像视觉伺服控制两个部分。本文构建人机协作控制系统完成以下工作内容:1.手部视觉引导(1)多视觉传感器布置方式。针对视觉引导提出多个视觉传感器空间布局方式。依据Kinect数据自身特征应用神经网络实现多传感器数据融合。(2)提出两种空间关系确定方法。一是基于平台识别的空间关系确定方法,对于相机空间到机械臂工作空间的转换关系,取代以往的标定实验,采用工作平面识别及重构的方式,确定视觉传感器与机械臂工作空间的映射关系。二是基于点云模板匹配的空间关系确定方法,通过预先对叁维几何模型采样建立机械臂单一视角点云模板库,与现场采集到的点云进行匹配识别,确定空间映射关系。(3)视觉引导控制。以手部骨骼点空间位置变动作为机械臂末端位置控制信息,采用卡尔曼滤波跟踪降噪及非均匀B样条曲线进行轨迹平滑处理。以手部点云信息作为机械臂末端姿态控制信息,对其进行分割及降噪处理。此外,构建视觉引导仿真平台,进行了以手部控制信息作为输入的视觉引导仿真实验。2.图像视觉伺服(1)视觉伺服模型构建。手眼关系及相机固有参数的确定。基于图像识别的目标物体特征识别及定位。提出提高视觉伺服控制效率的解决方案,即通过自适应增益策略实现视觉伺服高效控制。对控制律进行调整,实现对机械臂速度的连续控制。(2)视觉引导——视觉伺服控制任务切换。构建了基于模板匹配的视觉引导——视觉伺服智能平稳过渡策略。视觉伺服控制仿真实验验证及仿真结果分析。研究建立了视觉引导——视觉伺服人机协作控制系统,设计了从视觉引导过渡到视觉伺服的控制策略,实现智能平稳过渡。控制中操作人员操作方便灵活,控制系统工作平稳可靠,鲁棒性强。(本文来源于《吉林大学》期刊2018-05-01）
徐昊[7]（2018）在《基于机器视觉的双臂协作技术研究》一文中研究指出近年来,机器人领域的研究热点逐步转移到服务机器人上,人工智能技术的发展也赋予了服务机器人更智能、更复杂的功能。机器人依靠视觉传感器获取外界环境信息,通过机械臂完成对外界物体的搬运等动作。单机械臂操作存在负载能力不足,活动范围有限,动作单一简单等缺陷,因此,面向日常生活的基于视觉引导的双臂协作技术研究至关重要。本课题以两台KINOVA机械臂和ASUS Xtion深度摄像头等搭建了双臂协作视觉硬件系统,并基于开源系统平台ROS建立了系统软件架构。采用传统DH坐标法推导了机械臂正运动学模型,基于梯度下降法解决了逆运动学问题。视觉定位方面,根据相机针孔模型完成了单目相机内外参标定,进一步完成了双臂系统的手眼关系标定。分别研究了基于深度相机和人工特征April Tags的目标物体定位技术。为安全地验证本文算法的正确性,在ROS中基于RVIZ平台和URDF模型建立了双臂轨迹规划仿真测试环境。基于仿真环境,通过对机械臂模型的简化,采用最小圆柱体包络的方式在机械臂C空间下进行了主从臂碰撞检测。重点研究了适用于高维空间轨迹规划的RRT(快速随机搜索树)算法,并在RVIZ中进行了仿真。针对其盲目扩展、目标导向性不强、路径非最优的缺陷,采用偏向目标节点采样和更新子树父节点的策略对其进行改进。针对双臂协作紧协调操作,建立以主臂基坐标系为世界坐标系的双机械臂与目标物体之间的位姿约束关系方程,进而利用RRT算法进行双臂轨迹规划。为验证课题所提出算法的正确性与稳定性,本课题以所搭建的双臂视觉系统为操作平台进行了图书抓取功能实验,对实验结果进行了分析,验证了双臂视觉软硬件系统的可靠性和稳定性,并指出了其中的不足以及后续待研究的问题。本文有关双臂协调运动、轨迹规划以及视觉定位的研究,将有助于双臂机器人精准、高效、快速地执行操作,也为在实际环境中的应用奠定了坚实的理论基础。(本文来源于《哈尔滨工业大学》期刊2018-01-01）
闫蓓蕾[8]（2017）在《基于视觉的空地机器人协作关键技术研究》一文中研究指出本文对基于视觉的空地机器人协作技术进行了研究,该课题共分为叁部分内容,分别是基于SIFT和RANSAC的全景图像拼接技术、空地机器人协作叁维场景重建技术和无人飞行器起落标志检测技术。首先,研究了图像处理技术,包括图像预处理、角点检测算法以及摄像机成像技术,其中列举并比较了多种图像灰度化和图像去噪技术;详细研究了Harris角点检测算法、SIFT特征提取算法,并通过实验对比了两种算法的检测效果;研究了摄像机成像模型中所需的坐标系及各个坐标系之间的转换关系。其次,研究了基于SIFT和RANSAC的全景图像拼接技术,其基本流程为获取图像序列、角点检测、特征点匹配、图像融合。首先使用SIFT算法检测出特征点;再使用基于最近邻算法的SIFT匹配算法对特征点进行初匹配,该方法运算简单、速度快,但会产生误匹配;然后利用RANSAC算法进行精确匹配,提高了匹配的精确度和速度;最后使用图像融合技术将两幅图像映射到一幅图像上,完成无缝拼接,该融合算法拓宽了视野范围,提高了图像的分辨率。然后,通过无人飞行器与地面无人车协作完成叁维场景重建任务。由于无人车只能获取近地面图像序列,因此可使用无人飞行器协助其获取更高、更广泛空间的图像序列。环绕重建景物获取图像序列后,使用运动恢复结构(Structure from Motion,SFM)算法得到稀疏点云,再利用多视图聚簇(Cluster Multi-View Stereo,CMVS)算法得到稠密点云,最后使用泊松表面重建算法使模型表面更平滑,更具真实感。重建工作完成后,可以从多角度观察景物的特征,将二维平面图像又还原成了叁维结构。再次,完成无人飞行器起落标志检测工作。在无人车上设置“T”型合作目标,以便无人飞行器识别,然后经过图像预处理、图像分割、边缘检测、角点提取等图像处理工作,得到飞行器相对于“T”型标志物上关键点的位姿信息,通过飞行器降落控制系统,引导其降落到无人车上充电,以便长时间执行任务。最后,对本课题已完成工作进行了总结,并对后续工作内容作了展望。(本文来源于《沈阳理工大学》期刊2017-12-05）
赵荣[9]（2017）在《分布视觉下多移动机器人的定位与协作围捕研究》一文中研究指出多移动机器人系统是研究机器人技术的重要课题,是研究群智能体技术的理想平台,被广泛用于研究多智能体群集行为、多机器人体系结构、多机器人协调协作等领域相关课题。此外,计算机视觉技术的运用进一步推动了智能机器人的智能化发展,使机器人具备了人的视觉功能。为了进一步研究多移动机器人系统,结合计算机视觉技术,针对多移动机器人在全局分布视觉下的定位及协调协作问题展开了相关的研究。首先,机器人的视觉分割定位是研究多移动机器人系统的前提。在实验室已有的小型移动机器人基础上,给出了移动机器人的色标板标定方案,分析并选择了YUV颜色模型作为色标的阈值分割空间;并针对外部光照变化对移动机器人色标分割产生影响的问题,通过对机器人色标图像进行局部直方图均衡化的预处理方法,降低光照变化带来的亮度变化干扰,根据圆形色标在图像中像素色阶值的分布,通过聚类分析得到了不同机器人色标的最佳分割阈值,在此基础之上进行了全局视觉下的移动机器人轨迹跟踪控制实验,验证了该视觉分割定位方法的有效性和实时性。然后针对分布视觉采集图像的桶形畸变会降低移动机器人视觉定位精度的问题,研究了接种二次多项式疫苗下的免疫神经网络对畸变图像的标定方法,通过对神经网络接种具有先验知识的免疫疫苗,并融合BP神经网络的误差反向传播与免疫理论的全局搜索进化优势对网络进行迭代优化,获得了高数量级的标定精度。避免了对摄像头内外参数复杂且难以保证精度的标定过程,得到的标定结果更精确,标定过程更简便。最后,基于该全局分布视觉下的多机器人系统平台,研究了基于人工免疫理论的多机器人协作围捕问题,将人工免疫理论运用到追捕机器人的追捕运动控制中,细化了抗体种群个体的种类,引入力学势场法对种群个体的Farmer动力学进化模型进行优化选择,在实验平台上进行了多机器人围捕实验。本课题的研究是对机器人视觉定位和多机器人协同合作的探索与实践,具有一定的理论意义和实际应用价值。(本文来源于《江苏科技大学》期刊2017-04-25）
宋士安[10]（2016）在《基于视觉传感器的双机械臂协作系统构建与研究》一文中研究指出服务机器人作为机器人领域的一个重要分支,其发展一直受到国内外高新技术产业和科研机构的重视。而今双臂服务机器人所依赖的双臂协作技术还未达到成熟、稳定,能够真正实现双臂协作的服务机器人在国内外只有少数研发成功的产品,且仍然停留在实验室科研使用阶段,离低成本化、商业化、普及化还有一段距离。目前,随着我国人口老龄化现象的日益严重以及劳动力成本的逐年增加,双臂服务机器人在家庭、医院、商场、服务业场所以及危险恶劣环境等工作场景的需求正越来越大,具有极其广阔的应用前景,同时这也对双机械臂协作技术提出了更高的要求。本课题基于开源的ROS操作系统平台和Open CV计算机视觉库,利用两套Jaco机械臂,并选用不同原理的视觉传感器作为对比方案,构建了一种用于家庭服务的基于视觉传感器的双机械臂协作系统,并对其所涉及的视觉测量算法、图像处理算法和双臂协同控制算法进行了研究。针对无封闭逆解的6自由度机械臂构型,采用DH法对其进行正运动学建模,并通过牛顿迭代法得到其逆运动学数值求解方程。为了实现基于视觉传感器的目标物体识别与精确定位,采用视觉测量领域的主流方法实现了Xtion和ZED两种视觉传感器的精确标定,并基于几个合理的假设与近似对操作对象提出了一种创新的简化模型,设计了一种对RGB图像中不规则目标的轮廓和角点识别算法。根据双臂协作任务对Jaco机械臂末端手爪进行了直线轨迹规划,并基于主从协调的双臂控制策略建立了双臂的闭链运动学模型,依次得到协作过程中双臂的位姿约束方程、速度约束方程和加速度约束方程。基于ROS系统和Open CV库设计了开源的可自由拓展的模块化软件平台。通过双臂协作实验,成功将实验台上平铺的毛巾折迭起来,获得了比较好的效果,完成了课题的既定要求,验证了整个课题研究方法的合理性,有效性。(本文来源于《哈尔滨工业大学》期刊2016-12-01）
视觉协作论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
无线视觉传感器网络(WVSN,Wireless Visual Sensor Network)是传统无线传感器网络的延伸,除了传统测量温度、湿度等标量的传感器节点之外,还广泛配置具有图像拍摄功能的视觉传感器节点。因此,WVSN将监测信息扩展到视觉层面,丰富了监测信息的内容。协作通信技术作为多天线技术的扩展,成为近年来通信领域的研究热点。将协作通信技术引入到无线视觉传感器网络中,形成虚拟的多天线环境,能够带来分集增益,扩大覆盖范围,从而提高网络性能。同时,本文重点研究了该协作WVSN中的功率分配技术,提出了一种基于深度神经网络(Deep Learning Network,DNN)的功率分配算法,该算法与传统算法相比,更切合与视觉传感器网络。具体为:(1)提出了一种多节点协作的异构无线视觉传感器网络架构,通过普通节点与相机节点之间的叁级协作,将相机节点的图像采集和传输能耗压力分解给普通节点,降低网络节点能耗,从而延长整无线视觉传感器网络的生命周期。(2)在多节点协作的异构无线视觉传感器网络架构的基础上重点研究了图像的协作传输问题,并且给出了直接传输、放大转发协作通信、解码转发协作通信叁种通信模式在两种功率分配方案下的峰值信噪比、均方误差的性能对比。(3)提出了一种基于深度神经网络的最优功率分配算法PWDNN,该算法将源、中继、目的端叁个不同信道的衰落因子作为DNN的输入训练数据,以最大化该协作WVSN的遍历容量为目标。仿真结果表明,训练好的深度神经网络能够根据不同的信道状态,快速实时的实现源端与中继端的功率分配,在不同的中继位置下都能够实现比等功率分配更好的遍历容量性能,更加适合用于WVSN。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
视觉协作论文参考文献
[1].栗移新.基于机器视觉的协作机器人装配汽车外饰条的应用[J].机电信息.2019
[2].陈红.多节点协作视觉传感器网络架构与功率分配研究[D].齐鲁工业大学.2019
[3].刘胜书,顾国华,王俊舟,曹行健.基于机器视觉的协作式机器人Baxter目标识别算法[J].电光与控制.2019
[4].文超武.校企协作育人模式对本科教育改革的影响——以视觉传达为例[J].内蒙古教育.2018
[5].赵阳.基于智能人机协作下视觉设计创作系统的构架研究[D].西安美术学院.2018
[6].赵泳嘉.基于视觉引导的机器人共享协作系统研究[D].吉林大学.2018
[7].徐昊.基于机器视觉的双臂协作技术研究[D].哈尔滨工业大学.2018
[8].闫蓓蕾.基于视觉的空地机器人协作关键技术研究[D].沈阳理工大学.2017
[9].赵荣.分布视觉下多移动机器人的定位与协作围捕研究[D].江苏科技大学.2017
[10].宋士安.基于视觉传感器的双机械臂协作系统构建与研究[D].哈尔滨工业大学.2016