一、Visual C++编程实现机器人网络控制(论文文献综述)
李浩浩[1](2021)在《基于深度学习的可回收垃圾视觉分拣系统》文中研究指明随着我国经济的发展,综合国力的大幅提升,人工智能和机器人领域也得到了高速的发展。传统的机械臂抓取多是通过示教完成,其抓取存在一定的局限性,对抓取位置有严格要求。人工智能技术己在服务业给人们带来巨大的便利,语音识别减少了文字交流的繁琐,人机交互增强用户的体验感,给人们的生活带来便捷,居家智慧机器人提高人们幸福指数。随着工业发展的需求,人工智能技术在工业领域也得到了发展,人们可以通过语音识别技术控制机器的运行并完成不同任务,通过深度学习视觉检测技术让工业机器人拥有“眼睛”,具备像人一样的识别和区分能力,可适应环境的变化。本文针对可回收垃圾中的瓶状目标物体设计基于深度学习的可回收垃圾分拣系统,代替传统分拣方式将工人从流水线中解放出来。主要研究工作如下:(1)介绍目标检测和分拣机器人中涉及的相关技术和发展现状。通过前期的学习和查阅相关资料,设计并确定整个分拣系统方案,整个系统由多个模块组成,包括视觉采集模块、目标检测模块、机器人本体控制、末端执行器抓取等模块。并完成系统中所需要的硬件设备的选型、相机连接图像采集与处理、机器人开发软件的学习和应用、目标检测算法的网络搭建各模块之间的通讯。(2)介绍双目视觉成像测距原理,根据实验环境和要求完成双目相机的固定,完成视觉平台的搭建,通过测距原理编写代码完成实验台上目标物体到镜头距离的测量。根据图像采集模块、目标检测模块和机器人抓取模块之间的关系,设计并完成系统的总体布局和工作台的搭建。通过双目相机拍摄不同角度下的标定板信息,使用MATLAB软件的工具包完成对相机内参数的标定和双目相机之间旋转矩阵和平移矩阵的求解,然后对标定结果进行分析和处理。拍摄多个标靶图片,通过读取示教器不同标靶位置的坐标,计算出外参矩阵,实现相机坐标系到机器人基坐标系的转换。(3)通过深度学习目标检测算法YOLOV4训练模型实现目标物体的定位和分类。首先根据目标检测算法思想使用Pytorch深度学习框架完成整体网络模型的搭建,根据自己获得的图片进行数据集制作和标注,分析目标检测算法的网络结构和检测原理,结合自己的数据集进行网络的提升和优化,对网络框架使用k-means维度聚类优化算法对数据集中的目标框做聚类分析,优化候选框的设置。设计Mosaic数据增强方法,将多张图片进行拼接,使网络可一次性输入多张图片进行训练,从而获得更好的模型,并提高对小目标的检测。(4)完成机械臂运动规划与实验验证,搭建工业机器人视觉分拣系统,将识别定位算法应用于该系统中。通过目标检测网络实现对垃圾的识别与定位,通过socket通讯将位置信息和类别信息发送至机器人控制系统实现机械臂抓取。对可回收瓶状垃识别率和分拣成功率分别为94%和86%,实验结果表明:基于深度学习的可回收垃圾分拣系统能够有效识别和定位目标物体,并通过机械臂完成抓取,验证了分拣系统的可行性。
李泽辰[2](2021)在《基于双目视觉的工业机器人目标识别与定位系统研究》文中进行了进一步梳理近些年,国家提出“中国制造2025”战略发展目标,智能制造业逐步受到国家的重视。工业机器人依靠工作效率高、工作环境适应能力强等优势,成为推动智能制造业发展不可或缺的依靠。而机器视觉技术使机器人变得更加智能化,集视觉一体的机器人系统也得到快速发展,双目视觉相较于单目视觉可以获取目标立体信息,更是成为相关领域的重点研究课题。本文就是在这个背景下,根据实际工业需求设计的基于双目视觉的工业机器人目标识别与定位系统。首先,设计构建整套系统方案,依据系统方案完成实验硬件选择。分析相机成像模型并建立坐标系,完成双目相机的标定,获取到相机的内外参数和畸变参数矩阵,最后通过实验完成机器人视觉系统的手眼标定。其次,对相机获取的目标工件图像进行预处理以及目标工件的识别与定位。预处理阶段,分析不同预处理算法的实现原理,再通过编程实现,对比实验结果,选择适合本文系统的图像预处理算法;在对目标的识别与定位中,通过模板匹配完成目标识别,再介绍Blob分析算法原理并通过边缘拟合算法对其进行改进,定位到目标工件的形心坐标,最后通过坐标重建获取目标工件的世界坐标,完成目标的精确定位。最后,根据系统内容搭建测试平台,设计可视化界面,并完成对图像处理程序、机器人通信等模块的联合编程,利用可视化界面完成系统实验。通过三组目标识别与定位实验对本文所设计的系统进行实验结果验证,控制机器人完成目标工件的模拟抓取。实验结果表明:本文设计的双目视觉下的机器人目标识别与定位系统可以很好的识别圆形目标工件,机器人能够较为精准的完成目标定位与模拟抓取的动作,且系统运行稳定,对于环境相似的工业场景,该系统在实际应用中具有一定的参考意义。
王大浩[3](2021)在《机械臂单目视觉伺服控制技术研究》文中提出随着人工智能和大数据的发展,机器人替代重复的人工劳动已经成为一种趋势。工业机器人正向着汽车装配、工厂流水线作业、医疗设施等对精度要求更高的方向发展,因而对工业机器人的精度也有了更严格的要求,除了满足基本的定位精度,还要针对不同环境作出不同的应对方法。利用标定的方法来提高机器人精度是目前普遍采取的方法,但机器人标定是一个繁琐且易出错的过程,传统标定方法对测量仪器的精度要求高,自标定方法精度不高、鲁棒性不足,导致基于标定提高精度的机器人视觉控制方法受到了限制。所以本文研究一种与标定无关的视觉伺服控制方法,通过设计控制律在图像平面中减小误差,驱动机械臂运动,将整个系统的误差控制在满足任务的范围内。首先,建立机器人运动学模型,针对标准和改进的两种易混用的D-H建模方法作出区分,总结出分辨两种模型的方法。通过建立视觉系统模型,研究摄像机的标定方法,推导出图像平面中像素的运动速度与相机运动速度之间的关系,在此基础上得到图像平面内特征变化和机械臂坐标系之间关系的非线性矩阵,也就是图像雅可比矩阵。其次,研究经典视觉伺服控制中的速度控制器,通过编写相应程序在Matlab平台下进行稳定性分析,得到目标特征应满足的必要条件,以及控制过程中应避免陷入局部极小值的情况。接着,针对手眼伺服控制系统运动过程中特征易丢失的问题,提出了一种新的基于图像的视觉伺服方案,通过将相机的视场约束转换为等效的误差函数模型进行简化计算,使得控制系统在满足图像特征坐标误差下实现规定的瞬态和稳态性能,并保证目标特征始终在相机视场中。通过实际模型获取参数在Matlab平台下进行仿真,验证了所提出的基于规定性能的函数模型在局部误差与全局误差中的收敛稳定性,为后续的研究提供了有效的控制方案。然后,研究了图像特征提取的相关算法,从基本几何特征开始,到目标物体的实时跟踪。基本几何图形中,主要研究角点、直线特征的典型提取算法,并通过实验检测提取效果;对于圆特征的提取,提出了两种快速求解圆心坐标算法。目标跟踪算法主要研究相关滤波类的主流跟踪算法,同时将KCF跟踪算法应用于ROS系统下的Kinect相机上,实现目标跟踪。最后,在上述研究的基础上搭建实验平台,确定控制方案,分别通过VISP平台研究不同控制律下误差收敛的情况,在Gazebo平台下研究流水线作业中对运动目标的特征提取并进行吸取,接着在UR5实物机械臂上进行了无标定视觉伺服控制跟踪实验,将图像平面内的误差控制在15个像素以内,验证了整个控制系统的可行性。
高嘉材[4](2021)在《六轴协作机器人的运动控制系统设计》文中提出《中国制造2025》提出要以高端装备、短板装备和智能装备为切入点,狠抓关键核心技术攻关,强化知识经验积累,持续提升自主开发和系统集成能力,实现制造业重点领域的智能化。机器人作为智能装备的代表,其相关技术是未来发展的重点。传统机器人一般应用于重复劳动的场景,缺少主动碰撞检测功能,安全性低。随着应用场景的丰富,市场对能够实现人机协作生产的机器人需求量加大,具有完善安全功能的协作机器人成为未来发展的突破方向。控制系统的性能决定了协作机器人的工作效率,碰撞检测算法的有效性决定了协作机器人的安全性。本文针对六自由度协作机器人设计了一种控制系统,选用倍福工控机作为控制主站,通过EtherCAT总线实现控制器与机器人的通讯;在机器人与环境障碍物的碰撞检测方面,提出了一种判断规划轨迹与环境障碍物碰撞情况的双层次检测算法,有效的提高了机器人的碰撞检测效率。本文设计了协作机器人控制系统的整体结构。选用倍福C6920-0060工控机作为控制器,科尔摩根RGM模组作为机器人关节轴,通过EtherCAT总线串联控制器与机器人实现通讯;在机器人运动算法方面,采用运动学方法建立机器人各轴转角参数与末端位姿的关系模型,使用D-H法建立协作机器人的连杆坐标系,求解并验证机器人模型的正运动学及逆运动学问题。结合五段速度S型曲线算法及严格同步规划策略,实现对各关节轴速度的同步控制规划,使机器人的运动过程保持平稳,避免了速度过冲问题;本文结合协作机器人连杆的形状特点,建立了胶囊体碰撞检测模型,采用几何体模型法的思想实现机器人各连杆间的碰撞检测,解决了协作机器人自身连杆间的碰撞检测问题;提出了一种检测机器人与环境障碍物碰撞情况的双层次检测算法。初次判断过程利用自适应动态碰撞检测法快速筛选出运动轨迹中可能与障碍物球体模型发生碰撞的轨迹范围,二次判断过程采用分离轴法准确判断该范围内的轨迹点与障碍物有向包围盒(Oriented Bounding Box,OBB)的碰撞情况。在Matlab环境中与自适应动态碰撞检测法及几何体模型法进行对比,验证了双层次检测算法在确保实时性的同时,检测结果更为准确,解决了协作机器人与环境障碍物的碰撞检测问题;研究选用Twin CAT NC PTP(Numerical Control Point To Point)的PLC FIFO(First Input First Output)功能控制协作机器人各轴,使六个关节轴在位置耦合的前提下,严格按照规划的无碰撞轨迹值运动,实现了协作机器人多轴同步运动;基于Matlab平台分别进行了机器人运动学算法、碰撞检测算法、五段速度S型曲线算法的仿真实验,并在搭建好的六轴机器人控制平台上进行“屏幕人脸跟随”实验。实验结果验证了本文各运动学相关算法的准确性,表明控制系统的性能稳定,同步性好,能够可靠的完成控制任务。本文通过设计协作机器人的控制系统,完成了机器人运动算法的研究以及机器人各关节同步运动控制方法的设计,提出了一种双层次检测算法实现协作机器人与环境障碍物的碰撞检测。实验表明,双层次碰撞检测算法比几何体模型法的检测速度快,比自适应动态碰撞检测算法的结果准确,更适用于机器人控制系统;本系统能够正确实现运动学求解、轨迹规划、碰撞检测以及多轴同步运动等功能,具有较好的工程实用性。
李志丞[5](2021)在《基于PMAC的六自由度机器人控制系统开发》文中研究指明在当今经济飞速发展的时代,机器人在自动化生产领域的应用具有时代性的意义。它是一种具有复杂结构、高度灵活性机电一体化设备。当今的许多行业都与机器人息息相关,机器人的使用能大幅提高生产效率。本文以六自由度垂直串联型实验机器人为研究对象,对其进行了控制系统的开发设计,采用模块化的开发设计方法,对机器人运动学、PMAC控制及其与上位机连接等技术进行了研究,主要研究内容如下:首先,围绕六自由度垂直串联型实验机器人开展了机器人正运动学和逆运动学分析,研究了机器人正运动学和逆运动学求解的一般问题,并建立求解方程,对于后续控制系统软件开发奠定了理论基础。其次,基于PC+PMAC运动控制卡组合的设计思路对机器人控制系统的总体方案进行了设计。采用基于Windows操作平台的PC机作为上位机,选用具有可编程多轴运动控制器PMAC运动控制卡作为下位机。分别选用伺服驱动和步进驱动作为机器人驱动单元,完成了控制系统的硬件连接与安全功能设置,搭建了机器人实验平台。再次,完成了机器人控制系统上位机软件开发。上位机软件开发基于PComm32动态链接库,采用VC++作为开发工具,主要开发的功能模块包括了模块组合方式、模块运动、机器人复位、机器人急停等,可实现机器人的启动、正负向运动、复位、急停以及手爪的吸合。通过人机交互界面,对上位机软件进行实际测试,验证了模块各项功能的可用性。最后,为改善六自由度垂直串联型实验机器人关节的运动特性,提高运动精度,对机器人的伺服系统进行了优化设计。利用PMAC应用系统开发工具PMAC Tuning Pro对机器人进行了实际控制参数的调节,从而实现机器人的快速响应和稳定性控制。
张元昕[6](2021)在《核电动力机械手遥操作控制系统研究》文中认为核电是我国能源可持续发展的重要组成部分,是国家战略性资源。经过30多年的发展,中国已成为核电大国,随之而来的核设施退役问题也迫在眉睫。核设施退役是一项非常复杂的系统工程。随着退役工作的深入开展,相当一部分退役工作难点集中在辐射量高,空间受限度大的工作场所,如“0”平面以下的退役设备室,常常涉及到工艺设备、管道的拆除。由于核设施退役设备室中放射性较高,空间狭窄,而目前高辐射作业环境中多采用人工操作的方式,自动化和智能程度较低,为了保护拆除人员安全,避免遭受大量辐射,具备遥操作控制功能的拆卸作业机器人系统成为重要和必需的核退役装备,其技术研究和应用水平也成为一个国家核工业技术发展的重要标志之一,目前核电机器人的关键技术主要包括抗辐照技术、可靠通信技术、智能控制技术等,对于这些关键技术,我们国家科研人员经过多年的研究,也取得了不小的成果,但是在试验应用过程中还是暴露了不少问题。因此,对核电动力机械手遥操作控制技术的研究具有重要的理论意义和实践价值。本文主要对一种五转一平移的六自由度核电动力机械臂的遥操作控制系统进行设计与研究。通过远程上位机操控系统对机械臂进行遥操作控制以及现场数据,实时图像采集显示,并与下位机控制系统进行交互。具体研究内容包括:(1)根据核电动力机械手操作的功能需求,制定控制系统的总体方案,运动控制方案、绘制电气原理图、各单元器件选型、遥操作控制程序以及交互界面程序的设计。(2)针对核电动力机械手的设计结构,对其构建改进后的D-H模型(MDH模型),并进行正、逆运动学分析和数学推导,求得正、逆解。采用蒙特卡洛法对机械手的工作空间进行求解运算。利用MATLAB的机器人仿真工具箱对机械手仿真,在此基础上对正逆运动学求解和工作空间进行分析,并验证其正确性。(3)基于固高科技NC610控制器,以QT为开发平台,实现对机械手伺服模块的运动控制并设计下位机控制系统交互界面;使用PXN系列遥操作手杆,结合Direct Input游戏手柄开发函数库,开发实现上位机控制系统端的遥操作功能;利用研华工控机作为上位机系统PC,进行实时视频图像的采集,并利用Socket通信技术,实现下位机机械手运动控制系统和上位机系统的双向通信,从而保证遥操作控制命令、状态信息等数据的传输,采用TCP协议也保证了数据传输的准确性和可靠性。(4)最后,搭建核电动力机械手控制系统实验测试平台,分别对其进行功能测试,Socket通信效率测试和系统稳定性测试。实验结果表明,搭建的核电动力遥操作控制系统具有良好的稳定性,并且能够实现精确定位,满足了其控制系统的功能和指标要求。
魏青松[7](2021)在《单目视觉惯性里程计的研究》文中提出随着电子定位导航的发展,越来越多的研究者力求找到一种稳定、精准的定位导航方式用于机器人、自动驾驶、飞行器、或AR、VR等行业。目前有许多解决方案,比如激光雷达、GPS等,但是他们存在一定的缺点,如成本太高或对地形、信号传输方式有一定要求。视觉惯性里程计(VIO)是一种用于对物体进行定位、导航多传感器融合的导航定位方式,它融合了摄像头实时图像数据和惯性传感器(IMU)数据,弥补了单一传感器误差大、实时性差等缺点,省去了激光雷达的成本,满足了定位导航所需的准确度。本课题提出了一种视觉惯性传感器系统,旨在使其轻松地部署在机器人、飞行器等需要定位导航的目标上,以使目标具备强大的即时定位与地图构建(SLAM)能力,并有助于降低研究SLAM相关算法的难度。通过一个摄像头与ARM+FPGA主控连接、以及一个IMU,提供高质量的陀螺仪和加速度计测量、校准,在硬件上与图像同步,从而达到单视觉SLAM系统难以实现的鲁棒性和准确性。除了原始数据外,系统还将提供使用FPGA预处理后的数据,如图像关键点检测、对比度增强等。能显着降低SLAM算法的计算复杂性,并使其可在资源受限的平台上使用,解决了目前大多视觉惯性里程计直接采用USB接口的独立模块造成算法计算量大、对PC/GPU硬件要求高、算法时间同步精度不高的问题,提供了一个通用性强、可编程性高、部署灵活的SLAM前端数据采集平台。本文着重分析了ZYNQ FPGA采集摄像头数据、ZYNQ ARM采集IMU数据、ZYNQ ARM无操作系统端读取图像数据出现断层问题、MT9V034摄像头Bayer数据格式、ZYNQ内部AXI_HP AXI_GP总线接口数据协议、ZYNQ芯片多核软硬件协同工作、FPGA端VDMA等IP核、ARM端(PS端)核间通信等;对从摄像头采集数据到Linux解算显示逐级传递详细过程进行剖析,以确保数据真实有效,实时同步,以便后续直接在ZYNQ Linux操作系统使用传感器融合算法处理。最后通过ZYNQ Linux编写系统驱动,使用USB高速接口连接上位机机器人操作系统(ROS)传输数据进行直观显示,实现多级联调以确保系统稳定可行。
袁帅[8](2021)在《面向封闭空间内移动机器人的自主定位方法研究》文中提出定位是移动机器人在工程应用中的基础问题。由于封闭空间对外界信号具有一定的屏蔽性质,移动机器人通常无法通过外感受传感器(如GPS、磁力计等)获取自身的位姿信息,而基于内感受传感器的定位算法由于容易受到测量噪声以及其他因素的影响,也无法确保机器人长期稳定地运行。而这些问题通常也是制约移动机器人技术在封闭空间中应用与发展的主要因素。本课题结合科研项目以及水务相关部门实际应用需求,开展了面向封闭空间的移动机器人自主定位方法研究,提出了一种基于点线特征结合的管道机器人视觉定位方法,并针对视觉定位算法失效时的情况,研究了在无法检测到特征的特殊情况下管道机器人自主定位方法,提出了改进的管道机器人运动学模型,提出了一种基于卷积神经网络的陀螺仪偏差预测方法,并结合轮式里程计实现机器人的自主定位。本文的主要研究内容与研究成果包括:(1)针对管道内图像特征相对贫乏且相似度较高,致使基于点特征的视觉定位算法难以应用的问题,提出了一种基于点线特征结合的双目视觉定位方法。从管道内捕获的图像中提取具有尺度不变性以及旋转不变性的点特征和线段特征,结合管内图像的纹理特性,基于平均拆分法对线段特征进行优化,提高了特征检测的准确度;介绍了基于双目视觉的匹配特征坐标计算方法,以及双目摄像头运动跟踪方法;研究了基于稀疏特征的局部位姿优化方法以及基于词袋模型的回环检测方法。分别在仿真环境以及真实的管道环境中进行实验,实验结果表明,本文方法相比仅使用点特征的视觉定位方法有更高的准确度。(2)针对传统的管道机器人运动学模型没有考虑因滑动现象而带来的误差问题,提出了管道机器人改进的运动学模型。通过引入轮地滑动因子,对机器人运动过程中产生的滑动效应进行了建模与分析,并分别通过解析法以及几何分析法导出了离散化运动学方程。实验表明,改进后的管道机器人运动学模型相比传统的模型在使用轮式里程计进行定位时具有更高的准确度。(3)针对在管内环境下应用视觉定位方法存在因特征提取或跟踪失败导致定位算法失效的问题,提出了一种针对惯性测量单元的智能误差估计方法,并结合轮式里程计实现管道机器人的自主定位。提出了一种基于卷积神经网络的陀螺仪误差预测模型,通过惯性测量单元的历史数据计算出当前时刻的陀螺仪偏差项,进而对陀螺仪测量值进行修正,通过推算算法获取机器人姿态角;结合编码器读数,通过机器人运动学模型计算出机器人的位置坐标;在公开数据集以及仿真环境下的实验结果表明,与现有的先进方法相比,本文方法可在较短时间内能获取更准确的定位结果。
刘海燕,苏宇,苏磊[9](2021)在《基于C#和SMART的机器人涂胶装配工作站的设计与仿真》文中研究表明分析汽车挡风玻璃涂胶与装配的自动化过程,基于ABB仿真软件RobotStudio完成涂胶工作站的建模;用Visual Studio中的C#语言和RobotStudio的二次开发工具PC SDK开发上位机的控制应用程序,完成对工作站的控制;用RobotStudio的Smart组件构建虚拟控制系统,完成机器人涂胶工作站的仿真运行。结果证明,通过机器人涂胶仿真工作站的建模和ABB机器人的二次开发,可完成对机器人涂胶工作站的远程控制和仿真运行。
刘欢[10](2020)在《电力铁塔攀爬机器人控制系统及运动策略研究》文中研究表明电力铁塔攀爬机器人旨在实现电力铁塔首登人员辅助装置的安装,在代替人工完成辅助装置安装的同时,避免了首登人员手动安装的危险性,同时保证了在各类环境中辅助装置的准确安装,提高效率、节约成本。目前,因电力铁塔攀爬环境复杂、机器人越障困难、攀爬稳定性不高等问题,制约了攀爬机器人的推广应用。因此设计一套成熟的控制系统并结合多传感器信息融合理论知识,研究基于复杂环境下的运动控制策略及控制算法,是实现机器人在复杂环境下攀爬运动的有效途径之一。本文通过对机器人控制系统理论研究,开发了一套包括电源模块、电机驱动模块、传感器模块、视觉模块、人机交互模块等在内的完整的控制系统,设计了机器人各控制模块,通过超声波模块、红外测距、压力传感器、温度传感器、光电开关、视觉摄像头等多种传感器合理布置于机器人本体,运用多传感器信息融合技术对采集的信息进行融合输出,提高了机器人对障碍物的检测精度,并以此为基础提出机器人自主控制方法及多种障碍物检测方法,建立了机器人自主攀爬步态及自主越障策略,实现了机器人的自主攀爬,提高了机器人攀爬的稳定性、可靠性。为了验证机器人在复杂环境下的障碍检测与本体位姿检测的准确性,完成了机器人样机的研制,并进行了一系列的实验,包括:机器人整体吸附实验、机器人无障碍攀爬步态实验、室外模拟环境调试实验与实际电力铁塔上自主攀爬越障实验。通过实验得出,结合多种传感器信息融合的障碍物识别与本体位姿检测有很高的准确性,在信息融合前提下的运动控制策略可以实现机器人在电力铁塔上稳定的攀爬。
二、Visual C++编程实现机器人网络控制(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:
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
(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。
三、Visual C++编程实现机器人网络控制(论文提纲范文)
(1)基于深度学习的可回收垃圾视觉分拣系统(论文提纲范文)
摘要 |
abstract |
1 绪论 |
1.1 研究背景与意义 |
1.2 国内外发展现状 |
1.2.1 分拣机器人的发展现状 |
1.2.2 目标检测的发展现状 |
1.3 研究思路与内容 |
1.3.1 研究思路 |
1.3.2 主要研究内容 |
1.4 本文章节安排 |
2 机器人视觉系统分析方案设计 |
2.1 视觉抓取系统的设计 |
2.2 软件介绍及通讯 |
2.2.1 软件介绍 |
2.2.2 系统之间的通讯 |
2.3 系统硬件组成及选型 |
2.3.1 视觉系统选型 |
2.3.2 机器人选型 |
2.3.3 控制箱选型 |
2.3.4 末端执行器选型 |
2.4 本章小结 |
3 双目视觉系统原理与标定 |
3.1 双目相机系统成像测距原理 |
3.2 相机标定 |
3.2.1 相机标定原理 |
3.2.2 张正友标定法 |
3.2.3 镜头非线性模型 |
3.2.4 相机标定实验与结果 |
3.3 机器人与相机标定 |
3.3.1 机器人视觉系统结构 |
3.3.2 手眼标定原理与结果 |
3.4 本章小结 |
4 深度学习目标识别与定位算法研究 |
4.1 神经网络模型原理 |
4.1.1 神经网络结构与目标检测概述 |
4.1.2 目标检测的性能指标 |
4.1.3 激活函数的设计 |
4.2 基于YOLO的分类检测算法 |
4.2.1 YOLO目标检测网络结构 |
4.2.2 YOLO的分隔思想 |
4.2.3 YOLO的损失函数 |
4.3 基于YOLOV4 的垃圾分类检测算法研究 |
4.3.1 垃圾分拣算法的构建 |
4.3.2 检测实验的环境 |
4.3.3 数据集建立 |
4.3.4 Pytorch框架的使用 |
4.3.5 算法模型的验证 |
4.4 本章总结 |
5 机器人分拣实验与结果分析 |
5.1 实验平台搭建 |
5.2 分拣机器人运动学分析 |
5.2.1 坐标系建立 |
5.2.2 正运动学分析 |
5.2.3 逆运动学分析 |
5.2.4 机器人抓取仿真实验 |
5.3 目标物体检测实验 |
5.3.1 网络模型的训练 |
5.3.2 检测结果与分析 |
5.3.3 自适应数据集的锚框选取优化 |
5.3.4 优化结果与对比 |
5.4 目标物体抓取实验 |
5.4.1 实验验证 |
5.4.2 实验结果分析 |
5.5 本章小结 |
6 总结与展望 |
6.1 总结 |
6.2 展望 |
致谢 |
参考文献 |
攻读学位期间主要研究成果 |
(2)基于双目视觉的工业机器人目标识别与定位系统研究(论文提纲范文)
摘要 |
abstract |
1 绪论 |
1.1 研究背景及意义 |
1.2 国内外研究现状 |
1.2.1 视觉技术国外研究现状 |
1.2.2 视觉技术国内研究现状 |
1.3 本文主要研究内容与结构安排 |
2 系统整体搭建 |
2.1 系统整体框架搭建 |
2.2 视觉系统单元构成 |
2.2.1 双目相机的选型 |
2.2.2 光源选择 |
2.3 计算机软件系统部分构建 |
2.3.1 基于HALCON的图像处理 |
2.3.2 基于Visual Studio2013 的可视化界面设计 |
2.4 工业机器人系统构成 |
2.4.1 机器人系统硬件构成 |
2.4.2 机器人系统软件构成与编程方式 |
2.5 本章小结 |
3 双目视觉系统的建立与标定 |
3.1 相机成像模型与坐标系的建立 |
3.1.1 相机小孔成像模型 |
3.1.2 坐标系的建立及其转换 |
3.1.3 相机镜头畸变与校正 |
3.1.4 双目相机测量原理 |
3.2 双目相机的标定 |
3.2.1 相机标定原理概述 |
3.2.2 基于MATLAB的相机标定实验 |
3.2.3 基于HALCON的相机标定实验 |
3.2.4 双目相机标定实验 |
3.2.5 双目相机校正 |
3.3 机器人视觉系统的标定 |
3.4 本章小结 |
4 目标图像的预处理 |
4.1 图像灰度化 |
4.2 图像的增强 |
4.2.1 图像灰度变换 |
4.2.2 直方图修正 |
4.3 图像的平滑处理 |
4.3.1 均值滤波 |
4.3.2 中值滤波 |
4.3.3 高斯滤波 |
4.3.4 滤波算法对比与选取 |
4.4 图像锐化 |
4.5 本章小结 |
5 目标识别与定位 |
5.1 基于模板匹配的目标工件识别 |
5.2 工件的三维坐标获取 |
5.3 基于Blob分析的目标工件形心定位 |
5.3.1 OTSU阈值分割 |
5.3.2 区域腐蚀与填充 |
5.3.3 特征区域的Blob分析 |
5.4 基于边缘改进的Blob分析目标工件形心定位 |
5.4.1 Canny边缘检测 |
5.4.2 最小二乘边缘拟合 |
5.4.3 改进后Blob区域特征分析 |
5.5 本章小结 |
6 测试平台系统实现 |
6.1 系统整体实现 |
6.2 系统实验 |
6.3 本章小结 |
总结与展望 |
参考文献 |
致谢 |
攻读学位期间发表的学术论文目录 |
(3)机械臂单目视觉伺服控制技术研究(论文提纲范文)
摘要 |
Abstract |
第一章 绪论 |
1.1 课题研究的背景及意义 |
1.2 国内外研究现状 |
1.2.1 基于位置的视觉伺服控制 |
1.2.2 基于图像的视觉伺服控制 |
1.2.3 混合式视觉伺服控制 |
1.2.4 无标定的视觉伺服控制 |
1.3 论文研究主要内容 |
第二章 单目机械臂视觉伺服控制基础 |
2.1 引言 |
2.2 机械臂系统模型 |
2.2.1 机器人连杆模型描述 |
2.2.2 机器人运动学分析 |
2.2.3 机器人雅可比矩阵推导 |
2.3 机械臂视觉系统 |
2.3.1 摄像机透视投影成像模型 |
2.3.2 摄相机参数的标定 |
2.4 图像雅可比矩阵的推导 |
2.4.1 图像像素速度与相机速度的关系 |
2.4.2 图像雅可比矩阵 |
2.5 本章小结 |
第三章 机械臂视觉伺服控制方法研究 |
3.1 引言 |
3.2 经典视觉伺服控制 |
3.3 稳定性分析 |
3.3.1 不同目标特征情况下的视觉伺服控制 |
3.3.2 陷入局部极小值下的视觉伺服控制 |
3.4 基于规定性能的六自由度机械臂视觉伺服控制 |
3.4.1 规定性能模型描述 |
3.4.2 规定性能函数 |
3.4.3 控制器设计 |
3.4.4 控制器收敛性证明 |
3.4.5 实验结果 |
3.5 本章小结 |
第四章 图像特征提取与跟踪 |
4.1 引言 |
4.2 点特征提取 |
4.2.1 Harris角点检测原理 |
4.2.2 角点检测实验 |
4.3 直线特征提取 |
4.3.1 Hough变换 |
4.3.2 直线检测实验 |
4.4 圆的特征提取 |
4.4.1 逐像素处理 |
4.4.2 连通域标记法 |
4.5 跟踪算法研究 |
4.5.1 相关滤波跟踪算法原理 |
4.5.2 KCF跟踪算法研究 |
4.5.3 跟踪效果及分析 |
4.6 本章小结 |
第五章 无标定视觉伺服控制系统实验 |
5.1 引言 |
5.2 实验整体方案 |
5.2.1 相机安装位置和数量的选择 |
5.2.2 控制方案 |
5.3 实验平台搭建 |
5.3.1 系统硬件配置 |
5.3.2 系统软件配置 |
5.4 无标定视觉伺服控制实验 |
5.4.1 基于VISP平台的仿真实验 |
5.4.2 基于Gazebo平台的仿真实验 |
5.4.3 UR5 实物实验 |
5.5 本章小结 |
第六章 结论与展望 |
6.1 论文总结 |
6.2 创新点 |
6.3 展望 |
致谢 |
参考文献 |
附录:作者在攻读硕士学位期间取得的成果 |
(4)六轴协作机器人的运动控制系统设计(论文提纲范文)
摘要 |
ABSTRACT |
第1章 绪论 |
1.1 课题研究背景及意义 |
1.2 国外协作机器人技术研究现状 |
1.3 国内协作机器人技术研究现状 |
1.4 论文研究内容和结构安排 |
第2章 控制系统方案设计 |
2.1 控制方案 |
2.2 控制系统硬件设计 |
2.2.1 机器人本体设计 |
2.2.2 控制器选型 |
2.3 控制方案软件设计 |
2.3.1 TwinCAT简介 |
2.3.2 ADS通讯 |
2.4 本章小结 |
第3章 机器人运动算法分析 |
3.1 机器人运动学基础 |
3.1.1 刚体位姿描述 |
3.1.2 机器人位姿描述 |
3.1.3 齐次坐标变换 |
3.2 机器人运动学模型 |
3.2.1 机器人连杆坐标系的建立 |
3.2.2 被控机器人运动学模型 |
3.2.3 被控机器人正运动学求解 |
3.2.4 被控机器人逆运动学求解 |
3.2.5 机器人运动学逆解的选取方法 |
3.3 机器人运动轨迹规划 |
3.3.1 机器人插补速度控制 |
3.3.2 应用五段速度S型曲线法实现关节路径规划 |
3.4 多轴同步规划 |
3.5 笛卡尔空间直线轨迹规划 |
3.6 本章小结 |
第4章 机器人碰撞检测方法研究 |
4.1 机器人本体的碰撞检测方法 |
4.1.1 机器人结构等效模型 |
4.1.2 数学计算基础 |
4.1.3 被控机器人碰撞检测过程 |
4.2 机器人与环境障碍物的碰撞检测方法 |
4.2.1 机器人及障碍物模型 |
4.2.2 自适应动态碰撞检测算法 |
4.2.3 双层次碰撞检测算法流程 |
4.3 本章小结 |
第5章 机器人关节同步运动控制 |
5.1 TwinCAT NC系统 |
5.1.1 TwinCAT NC概述 |
5.1.2 FIFO功能概述 |
5.2 同步运动控制程序设计 |
5.2.1 PLC程序设计 |
5.2.2 C++与PLC通讯程序设计 |
5.3 本章小结 |
第6章 机器人运动控制功能实验 |
6.1 机器人运动学验证 |
6.1.1 正运动学求解方法验证 |
6.1.2 逆运动学求解方法验证 |
6.2 机器人连续轨迹规划实验 |
6.3 机器人碰撞检测仿真实验 |
6.4 屏幕人脸跟随实验 |
6.5 本章小结 |
第7章 总结与展望 |
7.1 总结 |
7.2 展望 |
参考文献 |
攻读学位期间取得的科研成果 |
致谢 |
(5)基于PMAC的六自由度机器人控制系统开发(论文提纲范文)
摘要 |
abstract |
第1章 绪论 |
1.1 研究背景及意义 |
1.2 国内外研究现状 |
1.2.1 机器人研究现状 |
1.2.2 控制器研究现状 |
1.3 研究内容 |
第2章 六自由度机器人运动学建模与仿真 |
2.1 物理模型 |
2.2 运动学基础 |
2.2.1 齐次坐标变换 |
2.2.2 位姿表示 |
2.3 运动学分析 |
2.3.1 正运动学分析 |
2.3.2 逆运动学分析 |
2.4 建模与仿真 |
第3章 六自由度机器人控制方案及硬件设置 |
3.1 控制系统总体方案 |
3.2 运动控制系统的硬件设备 |
3.2.1 PMAC运动控制卡 |
3.2.2 电机及其驱动器 |
3.2.3 光电开关 |
3.2.4 气动元件 |
3.3 硬件的连接 |
3.3.1 上位机与PMAC控制卡的连接 |
3.3.2 PMAC控制卡与电机驱动器的连接 |
3.3.3 机器人关节运动的步进驱动信号 |
3.3.4 安全功能设置 |
第4章 六自由度机器人运动控制系统设计 |
4.1 软件控制系统设计基本原则 |
4.2 软件控制系统设计基本要求 |
4.3 系统软件平台 |
4.3.1 Microsoft Visual C++6.0 |
4.3.2 PMAC 动态链接库 Pcomm32Pro |
4.3.3 上位机与PMAC间通讯 |
4.4 软件开发过程 |
4.4.1 函数调用 |
4.4.2 程序编写 |
4.5 人机交互模块设计 |
4.5.1 主界面 |
4.5.2 模块组合方式模块 |
4.5.3 模块运动 |
4.5.4 机器人复位模块 |
4.5.5 机器人急停模块 |
第5章 六自由度机器人 PID 参数调整与优化 |
5.1 PID控制方法 |
5.1.1 PID控制原理 |
5.1.2 PID调节器的微分方程 |
5.1.3 PID的前馈 |
5.2 基于阶跃响应的机器人伺服系统PID整定 |
5.3 基于抛物线响应的机器人伺服系统动态特征整定 |
第6章 总结 |
参考文献 |
致谢 |
(6)核电动力机械手遥操作控制系统研究(论文提纲范文)
摘要 |
Abstract |
第一章 绪论 |
1.1 课题研究背景、来源及意义 |
1.1.1 课题来源 |
1.1.2 研究背景 |
1.1.3 研究意义 |
1.2 核电动力机械手研究现状 |
1.2.1 国外研究现状 |
1.2.2 国内研究现状 |
1.3 核电动力机械手遥操作系统研究现状 |
1.3.1 机器人防核辐射技术 |
1.3.2 遥操作系统概述 |
1.3.3 遥操作系统关键技术 |
1.3.4 遥操作系统国外研究现状 |
1.3.5 遥操作系统国内研究现状 |
1.4 本文主要研究内容概括 |
第二章 核电动力机械手运动学建模与分析 |
2.1 核电动力机械手结构 |
2.2 机械手建模数学基础 |
2.2.1 位姿描述 |
2.2.2 坐标变换 |
2.3 机械臂运动学建模 |
2.3.1 机械臂运动学正解 |
2.3.2 机械臂运动学逆解 |
2.4 机械臂正逆运动学仿真验证 |
2.5 机械臂工作空间分析 |
2.6 本章小结 |
第三章 核电动力机械手控制系统 |
3.1 控制系统总体方案 |
3.2 控制系统硬件系统设计 |
3.2.1 NC610 控制器和GRP-3000 示教器 |
3.2.2 伺服系统 |
3.2.3 C981 和C911 防辐射摄像头 |
3.2.4 主回路电气原理图 |
3.3 控制系统软件设计 |
3.3.1 软件设计要求 |
3.3.2 软件功能 |
3.3.3 软件结构 |
3.4 下位机运动控制系统 |
3.4.1 硬件系统结构 |
3.4.2 软件开发环境 |
3.4.3 人机交互界面设计 |
3.5 本章小结 |
第四章 上位机遥操作系统 |
4.1 上位机遥操作系统硬件设计 |
4.1.1 硬件系统框架 |
4.1.2 研华工控机 |
4.1.3 PXN-2113 遥操作手杆 |
4.1.4 交换机 |
4.2 上位机遥操作系统软件设计 |
4.2.1 软件结构 |
4.2.2 系统功能模块开发 |
4.2.3 人机交互界面设计 |
4.3 通信系统设计 |
4.3.1 TCP/IP通信协议 |
4.3.2 通信系统方案 |
4.3.3 程序实现 |
4.4 本章小结 |
第五章 系统集成与试验 |
5.1 遥操作控制系统测试平台搭建 |
5.2 下位机运动控制系统试验 |
5.2.1 单轴点动 |
5.2.2 多轴联动 |
5.2.3 示教功能 |
5.2.4 数据监控 |
5.3 上位机遥操作系统试验 |
5.3.1 通信测试 |
5.3.2 遥操作功能测试 |
5.4 本章小结 |
第六章 总结与展望 |
6.1 总结 |
6.2 创新点 |
6.3 展望 |
致谢 |
参考文献 |
附录:作者在攻读硕士学位期间发表的论文及学术成果 |
(7)单目视觉惯性里程计的研究(论文提纲范文)
摘要 |
Abstract |
第1章 绪论 |
1.1 课题研究背景及其意义 |
1.2 国内外研究现状 |
1.2.1 视觉SLAM的研究现状 |
1.2.2 视觉里程计研究现状 |
1.2.3 单目视觉惯性里程计的研究现状 |
1.3 本文研究主要内容 |
第2章 系统整体结构设计 |
2.1 系统硬件资源介绍 |
2.1.1 ZYNQ-7000系列可扩展平台介绍 |
2.1.2 系统搭建平台概述 |
2.2 系统开发平台介绍 |
2.2.1 Vivado Design Suite |
2.2.2 Xilinx Vitis统一软件平台 |
2.2.3 Petalinux工具 |
2.3 系统整体设计及工作流程 |
2.4 本章小结 |
第3章 FPGA数据采集模块系统设计 |
3.1 FPGA块设计 |
3.2 摄像头原始数据采集 |
3.2.1 摄像头采集传感器概述 |
3.2.2 摄像头数据采集设计 |
3.3 VDMA数据流传输设计 |
3.3.1 VDMA配置 |
3.3.2 帧缓存配置 |
3.3.3 同步锁相配置 |
3.4 联合调试分析 |
3.4.1 MT9V034采集模块调试 |
3.4.2 AXI4-Steram数据流时序分析 |
3.5 本章小结 |
第4章 无操作系统数据采集系统设计 |
4.1 摄像头数据采集配置 |
4.1.1 Vitis中设备初始化 |
4.1.2 摄像头寄存器配置 |
4.1.3 VDMA IP核重要寄存器 |
4.2 惯性传感器数据采集 |
4.2.1 惯性传感器模块概述 |
4.2.2 SPI通信方式简述 |
4.2.3 Zynq SPI控制器描述 |
4.2.4 惯性传感器数据采集流程 |
4.3 数据传输应用层设计 |
4.4 本章小结 |
第5章 Linux数据传输系统设计 |
5.1 Linux最小系统构建 |
5.1.1 Zynq中的Boot Rom和 FSBL |
5.1.2 U-Boot引导 |
5.1.3 Kernel内核配置 |
5.1.4 Petalinux Rootfs文件系统 |
5.2 Zynq Linux通信节点设计 |
5.2.1 ROS简述 |
5.2.2 ROS相关组件介绍 |
5.2.3 Zynq Linux与 ROS通信设计 |
5.3 系统实物与数据分析 |
5.4 本章小结 |
结论 |
参考文献 |
致谢 |
(8)面向封闭空间内移动机器人的自主定位方法研究(论文提纲范文)
摘要 |
ABSTRACT |
第一章 绪论 |
1.1 课题研究背景及意义 |
1.2 国内外研究现状 |
1.2.1 相对式自主定位法及相关技术的研究现状 |
1.2.2 绝对式自主定位法及相关技术的研究现状 |
1.2.3 管道机器人自主定位方法研究现状 |
1.3 课题的提出和论文主要研究内容 |
1.3.1 课题的提出与研究的内容 |
1.3.2 论文章节安排 |
第二章 基于双目视觉的管道机器人自主定位方法研究 |
2.1 引言 |
2.2 管内图像特征检测与匹配方法研究 |
2.2.1 管内图像的点特征提取方法 |
2.2.2 管内图像的线特征提取方法 |
2.2.3 管内图像的点线特征匹配方法 |
2.3 双目摄像头位置和姿态解算方法研究 |
2.3.1 摄像头成像模型 |
2.3.2 双目摄像头外参标定方法 |
2.3.3 基于双目摄像头的特征点深度估计方法 |
2.3.4 基于特征点的双目摄像头运动跟踪方法 |
2.3.5 基于稀疏特征的局部位姿估计优化方法 |
2.3.6 回环检测 |
2.4 实验结果与分析 |
2.4.1 双目摄像头校正实验 |
2.4.2 管内图像特征检测与匹配实验 |
2.4.3 基于点线特征结合的双目视觉自主定位实验 |
2.5 本章小结 |
第三章 管道机器人运动学建模与传感器误差模型 |
3.1 引言 |
3.2 管道机器人运动学模型 |
3.2.1 管道机器人的传统运动学模型 |
3.2.2 管道机器人运动学模型的改进 |
3.2.3 离散化运动学方程导出 |
3.3 传感器误差模型 |
3.3.1 惯性测量单元误差模型 |
3.3.2 编码器误差模型 |
3.4 仿真实验与结果分析 |
3.4.1 传感器模型仿真与结果分析 |
3.4.2 机器人运动学模型仿真与结果分析 |
3.5 本章小结 |
第四章 基于惯导与轮式里程计融合的机器人定位方法研究 |
4.1 引言 |
4.2 惯性导航系统的运动学模型 |
4.3 陀螺仪的偏差估计方法 |
4.3.1 陀螺仪校正模型 |
4.3.2 空洞卷积神经网络结构 |
4.3.3 卷积神经网络的损失函数 |
4.4 机器人定位方法 |
4.5 实验结果与分析 |
4.5.1 实验设计 |
4.5.2 实验结果评价指标 |
4.5.3 实验结果与分析 |
4.5.4 定向误差分析 |
4.5.5 在仿真环境下的定位实验 |
4.6 本章小结 |
第五章 管道机器人系统设计与实现 |
5.1 管内移动机器人系统总体概述 |
5.2 机器人硬件系统设计 |
5.2.1 稳压电路设计 |
5.2.2 电机驱动电路设计 |
5.3 机器人软件系统设计 |
5.3.1 多路复用器 |
5.3.2 Arduino控制节点 |
5.4 上位机软件设计 |
5.4.1 需求分析及功能设计 |
5.4.2 人机交互系统软件框架 |
5.4.3 机器人控制模块 |
5.4.4 数据管理模块 |
5.4.5 算法库模块 |
5.4.6 可视化模块 |
5.5 在实际管道下的测试实验 |
5.6 本章小结 |
第六章 总结与展望 |
6.1 论文工作总结 |
6.2 研究展望 |
参考文献 |
致谢 |
个人简历 |
攻读硕士学位期间的研究成果 |
(9)基于C#和SMART的机器人涂胶装配工作站的设计与仿真(论文提纲范文)
引言 |
1 实验仿真工作站架构设计 |
2 基于PC SDK的Visual Studio二次开发 |
2.1Visual Studio 2017 |
2.2 PC SDK二次开发 |
3 Robot Studio离线编程软件 |
3.1 工作站模型 |
3.2 动态Smart组件的设计 |
3.3 机器人涂胶工作站仿真I/O信号 |
3.4 Smart组件的I/O信号连接 |
4 RAPID程序编译及仿真 |
5 仿真运行 |
6 小结 |
(10)电力铁塔攀爬机器人控制系统及运动策略研究(论文提纲范文)
摘要 |
Abstract |
变量注释表 |
1 绪论 |
1.1 课题研究背景 |
1.2 课题研究目的及意义 |
1.3 攀爬机器人国内外研究现状 |
1.4 课题主要研究内容 |
2 攀爬机器人本体结构及控制系统硬件设计 |
2.1 攀爬机器人主要功能及技术指标 |
2.2 攀爬机器人本体结构设计 |
2.3 攀爬机器人控制系统的搭建 |
2.4 主控制模块及外围基本硬件电路的设计 |
2.5 子控制模块及硬件电路设计 |
2.6 本章总结 |
3 基于多传感器信息融合的运动环境感知方法 |
3.1 多传感器信息融合的理论基础 |
3.2 检测系统框架设计及器件选型 |
3.3 机器人位姿检测及攀爬环境感知方法 |
3.4 误差分析及多传感器信息融合方法的实现 |
3.5 本章小节 |
4 基于环境与运动状态的自主越障规划 |
4.1 机器人运动环境概述 |
4.2 机器人自主运动控制过程分析 |
4.3 机器人自主越障策略分析与实现方 |
4.4 本章小节 |
5 攀爬机器人嵌入式控制系统的软件设计与实现 |
5.1 控制系统软件编程环境 |
5.2 上位机控制系统的设计 |
5.3 机器人控制系统软件实现 |
5.4 本章小节 |
6 实验验证与结论分析 |
6.1 实验环境介绍 |
6.2 单爪吸附性实验 |
6.3 机器人样机攀爬实验 |
6.4 本章小节 |
7 总结与展望 |
7.1 总结 |
7.2 展望 |
参考文献 |
作者简历 |
致谢 |
学位论文数据集 |
四、Visual C++编程实现机器人网络控制(论文参考文献)
- [1]基于深度学习的可回收垃圾视觉分拣系统[D]. 李浩浩. 西安理工大学, 2021
- [2]基于双目视觉的工业机器人目标识别与定位系统研究[D]. 李泽辰. 青岛科技大学, 2021(01)
- [3]机械臂单目视觉伺服控制技术研究[D]. 王大浩. 江南大学, 2021(01)
- [4]六轴协作机器人的运动控制系统设计[D]. 高嘉材. 太原理工大学, 2021(01)
- [5]基于PMAC的六自由度机器人控制系统开发[D]. 李志丞. 天津职业技术师范大学, 2021(09)
- [6]核电动力机械手遥操作控制系统研究[D]. 张元昕. 江南大学, 2021(01)
- [7]单目视觉惯性里程计的研究[D]. 魏青松. 北华航天工业学院, 2021(06)
- [8]面向封闭空间内移动机器人的自主定位方法研究[D]. 袁帅. 浙江大学, 2021(01)
- [9]基于C#和SMART的机器人涂胶装配工作站的设计与仿真[J]. 刘海燕,苏宇,苏磊. 柳州职业技术学院学报, 2021(01)
- [10]电力铁塔攀爬机器人控制系统及运动策略研究[D]. 刘欢. 山东科技大学, 2020(06)