基于图像的NAO机器人松协调运动研究

第３５卷第２期２０１８年２月机 电 工 程ＪｏｕｒｎａｌｏｆＭｅｃｈａｎｉｃａｌ＆ＥｌｅｃｔｒｉｃａｌＥｎｇｉｎｅｅｒｉｎｇＶｏｌ.３５Ｎｏ.２Ｆｅｂ.２０１８

收稿日期:２０１７－０６－２７

基金项目:国家自然科学基金资助项目(５１１０５２１３)作者简介:王宪伦(１９７８－),男,山东济宁人,副教授,硕士生导师,主要从事机器人技术二智能控制方面的研究三Ｅ-ｍａｉｌ:ｘｌｗａｎｇ＠１２６.ｃｏｍＤＯＩ:１０.３９６９/ｊ.ｉｓｓｎ.１００１－４５５１.２０１８.０２.０１８

基于图像的ＮＡＯ机器人松协调运动研究?

王宪伦,姜鹏鹏,冯现东,崔玉霞

(青岛科技大学机电工程学院,山东青岛２６６０４２)

摘要:针对工作任务复杂或环境多变的情况下,单臂机器人不能很好地完成任务,对双臂机器人协调运动进行了研究,提出了一种基于图像的ＮＡＯ机器人松协调运动的方法三首先对提出的Ｍａｒｋ标记点的编码与解码方式进行了说明,解决了编码标记旋转后编码值不同的问题;分析了Ｍａｒｋ标记点的视觉提取和识别及相对定位方法,ＮＡＯ机器人左臂末端附有４个Ｍａｒｋ点,右臂末端附有１个Ｍａｒｋ点,利用ＮＡＯ的下相机和１个外部相机构成视觉系统,并阐述了视觉控制的流程;最后通过仿真实验验证了松协调运动控制的效果三实验结果表明:ＮＡＯ机器人能准确地识别标记点,并能够较好地完成松协调运动,可为工业应用中精度要求不高的松协调运动任务的实现提供参考三

关键词:双臂机器人;松协调运动;标记点;仿真

中图分类号:ＴＰ２４２.６ 文献标志码:Ａ文章编号:１００１－４５５１(２０１８)０２－０２０１－０６ＬｏｏｓｅｃｏｏｒｄｉｎａｔｉｏｎｍｏｔｉｏｎｏｆｔｈｅＮＡＯｒｏｂｏｔｂａｓｅｄｏｎｉｍａｇｅ

ＷＡＮＧＸｉａｎ-ｌｕｎ,ＪＩＡＮＧＰｅｎｇ-ｐｅｎｇ,ＦＥＮＧＸｉａｎ-ｄｏｎｇ,ＣＵＩＹｕ-ｘｉａ

(ＣｏｌｌｅｇｅｏｆＥｌｅｃｔｒｏｍｅｃｈａｎｉｃａｌＥｎｇｉｎｅｅｒｉｎｇ,ＱｉｎｇｄａｏＵｎｉｖｅｒｓｉｔｙｏｆＳｃｉｅｎｃｅａｎｄＴｅｃｈｎｏｌｏｇｙ,Ｑｉｎｇｄａｏ２６６０４２,Ｃｈｉｎａ)Ａｂｓｔｒａｃｔ:Ａｉｍｉｎｇａｔｔｈｅｐｒｏｂｌｅｍｏｆｔｈｅｓｉｎｇｌｅａｒｍｒｏｂｏｔｃａｎｎｏｔｐｅｒｆｏｒｍｗｅｌｌｉｎｃｏｍｐｌｅｘｔａｓｋｓｏｒｖａｒｉｅｄｅｎｖｉｒｏｎｍｅｎｔｃｏｎｄｉｔｉｏｎｓ,ｔｈｅｃｏｏｒｄｉ-ｎａｔｅｄｍｏｔｉｏｎｏｆｄｕａｌ-ａｒｍｒｏｂｏｔｗａｓｓｔｕｄｉｅｄ.ＴｈｅｍｅｔｈｏｄｏｆｔｈｅｌｏｏｓｅｃｏｏｒｄｉｎａｔｅｄｍｏｔｉｏｎｏｆｔｈｅＮＡＯｒｏｂｏｔｂａｓｅｄｏｎｉｍａｇｅｗａｓｐｒｏｐｏｓｅｄ.ＴｈｅｅｎｃｏｄｉｎｇａｎｄｄｅｃｏｄｉｎｇｍｅｔｈｏｄｓｏｆＭａｒｋｍａｒｋｅｒｐｒｏｐｏｓｅｄｗａｓｄｅｓｃｒｉｂｅｄａｎｄｔｈｅｐｒｏｂｌｅｍｏｆｄｉｆｆｅｒｅｎｔｃｏｄｉｎｇｖａｌｕｅａｆｔｅｒｔｈｅｒｏｔａｔｅｄｃｏｄｉｎｇｍａｒｋｗａｓｓｏｌｖｅｄ.Ｔｈｅｖｉｓｕａｌｅｘｔｒａｃｔｉｏｎ,ｒｅｃｏｇｎｉｔｉｏｎａｎｄｒｅｌａｔｉｖｅｐｏｓｉｔｉｏｎｉｎｇｍｅｔｈｏｄｏｆＭａｒｋｍａｒｋｅｒｓｗａｓａｎａｌｙｚｅｄ.ＴｈｅｌｅｆｔａｒｍｏｆＮＡＯｒｏｂｏｔｗａｓｍａｒｋｅｄｗｉｔｈｆｏｕｒＭａｒｋｐｏｉｎｔｓａｎｄｔｈｅｒｉｇｈｔａｒｍｗａｓｍａｒｋｅｄｗｉｔｈｏｎｅＭａｒｋｐｏｉｎｔ.ＴｈｅｃａｍｅｒａａｔｔｈｅｂｏｔｔｏｍｏｆｔｈｅＮＡＯａｎｄａｎｅｘｔｅｒｎａｌｃａｍｅｒａｍａｄｅｕｐｔｈｅｖｉｓｉｏｎｓｙｓｔｅｍａｎｄｔｈｅｖｉｓｕａｌｃｏｎｔｒｏｌｐｒｏｃｅｓｓｗａｓｄｅｓｃｒｉｂｅｄ.Ａｔｌａｓｔｔｈｅｅｆｆｅｃｔｏｆｌｏｏｓｅｃｏｏｒｄｉｎａｔｅｄｍｏｔｉｏｎｃｏｎｔｒｏｌｗａｓｖｅｒｉ-ｆｉｅｄｂｙｔｈｅｓｉｍｕｌａｔｉｏｎｅｘｐｅｒｉｍｅｎｔ.ＴｈｅｒｅｓｕｌｔｓｉｎｄｉｃａｔｅｔｈａｔｔｈｅＮＡＯｒｏｂｏｔｃａｎａｃｃｕｒａｔｅｌｙｉｄｅｎｔｉｆｙｔｈｅｍａｒｋｅｒａｎｄｑｕｉｔｅａｃｃｅｐｔａｂｌｙｃｏｍｐｌｅｔｅｔｈｅｌｏｏｓｅｃｏｏｒｄｉｎａｔｅｄｍｏｔｉｏｎａｎｄｌａｉｄｔｈｅｆｏｕｎｄａｔｉｏｎｆｏｒｔｈｅｒｅａｌｉｚａｔｉｏｎｏｆｌｏｏｓｅｃｏｏｒｄｉｎａｔｅｄｍｏｔｉｏｎｔａｓｋｉｎｉｎｄｕｓｔｒｉａｌａｐｐｌｉｃａｔｉｏｎｓｏｆｌｏｗｐｒｅｃｉｓｉｏｎ.Ｋｅｙｗｏｒｄｓ:ｄｕａｌ-ａｒｍｒｏｂｏｔ;ｌｏｏｓｅｃｏｏｒｄｉｎａｔｅｄｍｏｔｉｏｎ;ｍａｒｋｅｒ;ｓｉｍｕｌａｔｉｏｎ０ 引 言

在工作任务复杂或环境多变时,双臂机器人与单

臂机器人相比具有以下技术优势[１]:适用范围广二协作能力强二可靠性高,所以双臂机器人应用领域非常广

泛三如在工业领域中,完成复杂的装配作业二搬运较重

的货物二维修构型复杂的工件等,在一些危险而恶劣的放射环境中代替人类完成不能现场完成的任务,如核电站维护三在服务领域,双臂机器人可以较好地模拟人类行为,如医疗看护机器人可以代替护士来看护病人,养老机器人可以解决老年人生活中的各种不便三近几年国内外双臂机器人产业迅速发展,例如,美国万方数据

机器人运动学(培训教材)

第2章机器人位置运动学 2.1 引言 本章将研究机器人正逆运动学。当已知所有的关节变量时，可用正运动学来确定机器人末端手的位姿。如果要使机器人末端手放在特定的点上并且具有特定的姿态，可用逆运动学来计算出每一关节变量的值。首先利用矩阵建立物体、位置、姿态以及运动的表示方法，然后研究直角坐标型、圆柱坐标型以及球坐标型等不同构型机器人的正逆运动学，最后利用Denavit-Hartenberg(D-H)表示法来推导机器人所有可能构型的正逆运动学方程。 实际上，机器手型的机器人没有末端执行器，多数情况下，机器人上附有一个抓持器。根据实际应用，用户可为机器人附加不同的末端执行器。显然，末端执行器的大小和长度决定了机器人的末端位置，即如果末端执行器的长短不同，那么机器人的末端位置也不同。在这一章中，假设机器人的末端是一个平板面，如有必要可在其上附加末端执行器，以后便称该平板面为机器人的“手”或“端面”。如有必要，还可以将末端执行器的长度加到机器人的末端来确定末端执行器的位姿。 2.2 机器人机构 机器手型的机器人具有多个自由度（DOF），并有三维开环链式机构。 在具有单自由度的系统中，当变量设定为特定值时，机器人机构就完全确定了，所有其他变量也就随之而定。如图2.1所示的四杆机构，当曲柄转角设定为120°时，则连杆与摇杆的角度也就确定了。然而在一个多自由度机构中，必须独立设定所有的输入变量才能知道其余的参数。机器人就是这样的多自由度机构，必须知道每一关节变量才能知道机器人的手处在什么位置。

图2.1 具有单自由度闭环的四杆机构 如果机器人要在空间运动，那么机器人就需要具有三维的结构。虽然也可能有二维多自由度的机器人，但它们并不常见。 机器人是开环机构，它与闭环机构不同（例如四杆机构），即使设定所有的关节变量，也不能确保机器人的手准确地处于给定的位置。这是因为如果关节或连杆有丝毫的偏差，该关节之后的所有关节的位置都会改变且没有反馈。例如，在图2.2所示的四杆机构中，如果连杆AB 偏移，它将影响2O B 杆。而在开环系统中（例如机器人），由于没有反馈，之后的所有构件都会发生偏移。于是，在开环系统中，必须不断测量所有关节和连杆的参数，或者监控系统的末端，以便知道机器的运动位置。通过比较如下的两个连杆机构的向量方程，可以表示出这种差别，该向量方程表示了不同连杆之间的关系。 1122O A AB OO O B +=+ （2.1） 11O A AB BC OC ++= （2.2） 可见，如果连杆AB 偏移，连杆2O B 也会相应地移动，式（2.1）的两边随连杆的变化而 改变。而另一方面，如果机器人的连杆AB 偏移，所有的后续连杆也会移动，除非1O C 有其他方法测量，否则这种变化是未知的。 为了弥补开环机器人的这一缺陷，机器人手的位置可由类似摄像机的装置来进行不断测 量，于是机器人需借助外部手段（比如辅助手臂或激光束）来构成闭环系统。或者按照常规做法，也可通过增加机器人连杆和关节强度来减少偏移，采用这种方法将导致机器人重量重、

图像伪彩色处理方法研究

中北大学 课程设计说明书 学生：王瑞学号：39 学院：信息商务学院 专业：电子信息工程 题目：图像伪彩色处理方法研究 指导教师：英亮平职称: 副教授

2013 年12 月26 日 中北大学 课程设计任务书 13/14 学年第一学期 学院：信息商务学院 专业：电子信息工程 学生姓名：王瑞学号：39 学生姓名：齐学号：36 学生姓名：穆志森学号：26 课程设计题目：专业综合实践之多维信息处理部分： 图像伪彩色处理方法研究 起迄日期：2013年12月16 日～2013年12月27日 课程设计地点：电子信息工程专业实验室 指导教师：英亮平 系主任：王浩全

下达任务书日期: 2013年12月15 日课程设计任务书

课程设计任务书

目录 1.1伪彩色图像处理原理 (1) 1.2伪彩色增加的目的 (2) 1.3伪彩色图像处理增强的方法 (2) 2.1 源程序执行原理 (4) 2.2 源程序 (5) 2.3实验结果 (6)

3.1学习心得 (7) 参考文献 (8) 1.1伪彩色图像处理原理 数字图像处理(Digital Image Processing)是通过计算机对图像进行去除噪声、增强、复原、分割、提取特征等处理的方法和技术，又称为计算机图像处理。扩展了人眼的视觉围，使之跳出传统的可视界限，在人类生活发展的各个方面至关重要。如何用计算机系统解释图像，形成了图像的理解或称为计算机视觉的理解外部世界。 所谓伪彩色图像处理，就是将图像中的黑白灰度级编程不同的彩色，如过分层越多，人眼所能提取的信息也多，从而达到图像增强的效果。这是一种视觉效果明显，又不太复杂的图像增强技术。伪彩色图像处理技术不仅适用于航空摄影和遥感图片，也可用于x光片及云母的判读等处理中。实现伪彩色处理的主要方法主要有密度分割法、灰度级-伪彩色变换法、频域伪彩色处理等多种方法。我

机器人学得一个正运动学举例说明

PUMA 560 运动分析（表示）
1 正解
PUMA 560 是属于关节式机器人，6 个关节都是转动关节。前 3 个关节确定手腕参 考点的位置，后 3 个关节确定手腕的方位。
各连杆坐标系如图 1 所示。相应的连杆参数列于表 1。
图 1 机器人模型
PUMA560 每个关节均有角度零位与正负方向限位开关，机器人的回转机体实现机 器人机体绕 z0 轴的回转（角1 ），它由固定底座和回转工作台组成。安装在轴中心的驱 动电机经传动装置，可以实现工作台的回转。大臂、小臂的平衡由机器人中的平衡装置 控制，在机器人的回转工作台上安装有大臂台座，将大臂下端关节支承在台座上，大臂 的上端关节用于支承小臂。大臂臂体的下端安有直流伺服电机，可控制大臂上下摆动（角 2 ）。小臂支承于大臂臂体的上关节处，其驱动电机可带动小臂做上下俯仰（角3 ），以 及小臂的回转（4 ）。机器人的腕部位于小臂臂体前端，通过伺服电动机传动，可实现

腕部摆动（5 ）和转动（6 ）。 下图为简化模型：
T i1 6
Ai Ai1 A6
图 2 机器人简化模型
表1
机械手的末端装置即为连杆
6
的坐标系，它与连杆坐标系的关系可由
T i1 6
表示：
T i 1 6
Ai Ai1 A6
(1)
可得连杆变换通式为 ：
ci
si
0
ai1
T i1 i

si
c
i
1
si si1
cici1 ci si1
si1 ci1
di
si1

dici1
(2)
0
0
0
1
据连杆变换通式式(2)和表 1 所示连杆参数，可求得各连杆变换矩阵如下：

图像处理技术的研究现状和发展趋势

图像处理技术的研究现状和发展趋势 庄振帅 数字图像处理又称为计算机图像处理，它是指将图像信号转换成数字信号并利用计算机对其进行处理的过程。数字图像处理最早出现于20世纪50年代，当时的电子计算机已经发展到一定水平，人们开始利用计算机来处理图形和图像信息。数字图像处理作为一门学科大约形成于20世纪60年代初期。早期的图像处理的目的是改善图像的质量，它以人为对象，以改善人的视觉效果为目的。图像处理中，输入的是质量低的图像，输出的是改善质量后的图像，常用的图像处理方法有图像增强、复原、编码、压缩等。首次获得实际成功应用的是美国喷气推进实验室（JPL）。他们对航天探测器徘徊者7号在1964年发回的几千张月球照片使用了图像处理技术，如几何校正、灰度变换、去除噪声等方法进行处理，并考虑了太阳位置和月球环境的影响，由计算机成功地绘制出月球表面地图，获得了巨大的成功。随后又对探测飞船发回的近十万张照片进行更为复杂的图像处理，以致获得了月球的地形图、彩色图及全景镶嵌图，获得了非凡的成果，为人类登月创举奠定了坚实的基础，也推动了数字图像处理这门学科的诞生。在以后的宇航空间技术，如对火星、土星等星球的探测研究中，数字图像处理都发挥了巨大的作用。数字图像处理取得的另一个巨大成就是在医学上获得的成果。1972年英国EMI公司工程师Housfield发明了用于头颅诊断的X射线计算机断层摄影装置，也就是我们通常所说的CT（Computer Tomograph）。CT的基本方法是根据人的头部截面的投影，经计算机处理来重建截面图像，称为图像重建。1975年EMI公司又成功研制出全身用的CT装置，获得了人体各个部位鲜明清晰的断层图像。1979年，这项无损伤诊断技术获得了诺贝尔奖，说明它对人类作出了划时代的贡献。与此同时，图像处理技术在许多应用领域受到广泛重视并取得了重大的开拓性成就，属于这些领域的有航空航天、生物医学过程、工业检测、机器人视觉、公安司法、军事制导、文化艺术等，使图像处理成为一门引人注目、前景远大的新型学科。随着图像处理技术的深入发展，从70年代中期开

外文翻译----数字图像处理方法的研究

The research of digital image processing technique 1 Introduction Interest in digital image processing methods stems from two principal application areas: improvement of pictorial information for human interpretation; and processing of image data for storage, transmission, and representation for autonomous machine perception. This chapter has several objectives: (1)to define the scope of the field that we call image processing; (2)to give a historical perspective of the origins of this field; (3)to give an idea of the state of the art in image processing by examining some of the principal area in which it is applied; (4)to discuss briefly the principal approaches used in digital image processing; (5)to give an overview of the components contained in a typical, general-purpose image processing system; and (6) to provide direction to the books and other literature where image processing work normally is reporter. 1.1What Is Digital Image Processing? An image may be defined as a two-dimensional function, f(x, y), where x and y are spatial (plane) coordinates, and the amplitude of f at any pair of coordinates (x, y) is called the intensity or gray level of the image at that point. When x, y, and digital image. The field of digital image processing refers to processing digital images by means of a digital computer. Note that a digital image is composed of a finite number of elements, each of which has a particular location and value. These elements are referred to as picture elements, image elements, pels, and pixels. Pixel is the term most widely used to denote the elements of a digital image. We consider these definitions in more formal terms in Chapter2. Vision is the most advanced of our senses, so it is not surprising that images play the single most important role in human perception. However, unlike human who are limited to the visual band of the electromagnetic (EM) spectrum, imaging machines cover almost the entire EM spectrum, ranging from gamma to radio waves. They can operate on images generated by sources that human are not accustomed to associating with image. These include ultrasound, electron microscopy, and computer-generated images. Thus, digital image processing encompasses a wide and varied field of application. There is no general agreement among authors regarding where image processing stops and other related areas, such as image analysis and computer vision, start. Sometimes a distinction is made by defining image processing as a discipline in which both the input and output of a process are images. We believe this to be a limiting and somewhat artificial boundary. For example, under this definition, even the trivial task of computing the average intensity of an image (which yields a single number) would not be considered an image processing operation. On the other hand, there are fields such as computer vision whose ultimate goal is to use computer to

毕业设计---基于小波变换的图像处理方法研究

基于小波变换的图像处理方法研究 摘要 图像增强是图像处理的一个重要分支，它对提高图像的质量起着重要的作用。它通过有选择地强调图像中某些信息而抑制另一些信息，以改善图像的视觉效果，将图像转换成一种更适合于人眼观察和计算机进行分析处理的形式。传统的方法在增强图像对比度的同时也会增强图像噪声，而小波变换是多尺度多分辨率的分解方式，可以将噪声和信号在不同尺度上分开，根据噪声分布的规律就可以达到图像增强的目的。 本文首先对传统图像增强理论进行概述，并给出直方图均衡化与灰度变换算法，通过matlab来观察其处理效果的特点，然后提出四种基于小波变换的图像增强方法，并分析它们与传统图像增强方法相比的优缺点，最后基于传统小波变换只能增强图像边缘部分而无法增强细节部分的缺点，引出了基于分数阶微分和小波分解的图像增强方法，并通过matlab观察了这种算法的处理效果。 关键词：图像增强；直方图均衡化；小波变换；分数阶微分

Image enhancement based on wavelet transformation Abstract Image enhancement is an important branch in image processing.It plays an important role in improving the quality of the images.It will improve the image visual effect through emphasizing the image information and inhibitting some other information selectively.It will converse images into a form more suitable for the human eye observation and computer analysis processing.The traditional method of image enhancement will enhance image contrast,image noise as well,while wavelet transform is a decompositon method of multi-scale and multi-resolution,it can separet noise from signal in different scale so that it can arrive the purpose of image enhancement according to the distribution of the noise. In the paper,firstly, I will summarize the image enhancement theory and give the Histogram equalization algorithm,at the same time,I will analyze the disadvantages of the treatment effect through the Matlab.Then,I will give an image enhancement method based on the wavelet transform and analyze its advantages and disadvantages compared with traditional methods.Finally,because traditional wavelet transformation can only strengthen the edge of images instead of the details,we will introduce the image enhancement based on wavelet decomposition and fractional differentials.At the same time,we will observe the treatment effect of this algorithm by the matlab.. Keywords: Image enhancement; Histogram equalization; Wavelet transform; Fractional differenti

数字图像处理技术的研究现状与发展方向

数字图像处理技术的研究现状与发展方向 孔大力崔洋 （山东水利职业学院，山东日照276826） 摘要：随着计算机技术的不断发展，数字图像处理技术的应用领域越来越广泛。本文主要对数字图像处理技术的方法、优点、数字图像处理的传统领域及热门领域及其未来的发展等进行相关的讨论。 关键词：数字图像处理；特征提取；分割；检索 引言 图像是指物体的描述信息，数字图像是一个物体的数字表示，图像处理则是对图像信息进行加工以满足人的视觉心理和应用需求的行为。数字图像处理是指利用计算机或其他数字设备对图像信息进行各种加工和处理，它是一门新兴的应用学科，其发展速度异常迅速，应用领域极为广泛。 数字图像处理的早期应用是对宇宙飞船发回的图像所进行的各种处理。到了70年代，图像处理技术的应用迅速从宇航领域扩展到生物医学、信息科学、资源环境科学、天文学、物理学、工业、农业、国防、教育、艺术等各个领域与行业，对经济、军事、文化及人们的日常生活产生重大的影响。 数字图像处理技术发展速度快、应用范围广的主要原因有两个。最初由于数字图像处理的数据量非常庞大，而计算机运行处理速度相对较慢，这就限制了数字图像处理的发展。现在计算机的计算能力迅速提高，运行速度大大提高，价格迅速下降，图像处理设备从中、小型计算机迅速过渡到个人计算机，为图像处理在各个领域的应用准备了条件。第二个原因是由于视觉是人类感知外部世界最重要的手段。据统计，在人类获取的信息中，视觉信息占60％，而图像正是人类获取信息的主要途径，因此，和视觉紧密相关的数字图像处理技术的潜在应用范围自然十分广阔。 1数字图像处理的目的 一般而言，对图像进行加工和分析主要有以下三方面的目的[1]： (1)提高图像的视感质量，以达到赏心悦目的目的。如去除图像中的噪声，改变图像中的亮度和颜色，增强图像中的某些成分与抑制某些成分，对图像进行几何变换等，从而改善图像的质量，以达到或真实的、或清晰的、或色彩丰富的、或意想不到的艺术效果。 (2)提取图像中所包含的某些特征或特殊信息，以便于计算机进行分析，例如，常用做模式识别和计算机视觉的预处理等。这些特征包含很多方面，如频域特性、灰度/颜色特性、边界/区域特性、纹理特性、形状/拓扑特性以及关系结构等。 (3)对图像数据进行变换、编码和压缩，以便于图像的存储和传输。 2数字图像处理的方法 数字图像处理按处理方法分，主要有以下三类，即图像到图像的处理、图像到数据的处理和数据到图像的处理[2]。 （1）图像到图像。图像到图像的处理，其输入和输出均为图像。这种处理技术主要有图像增强、图像复原和图像编码。 首先，各类图像系统中图像的传送和转换中，总要造成图像的某些降质。第一类解决方法不考虑图像降质的原因，只将图像中感兴趣的特征有选择地突出，衰减次要信息，提高图像的可读性，增强图像中某些特征，使处理后的图像更适合人眼观察和机器分析。这类方法就是图像增强。例如，对图像的灰度值进行修正，可以增强图像的对比度；对图像进行平滑，可以抑制混入图像的噪声；利用锐化技

SCARA机器人的运动学分析

电子科技大学 实验报告 学生姓名： 一、实验室名称：机电一体化实验室 二、实验项目名称：实验三SCARA 学号： 机器人的运动学分析 三、实验原理： 机器人正运动学所研究的内容是：给定机器人各关节的角度，计算机器人末端执行器相对于参考坐标系的位置和姿态问题。 各连杆变换矩阵相乘，可得到机器人末端执行器的位姿方程（正运动学方程） 为： n x o x a x p x 0T40T1 11T2 22T3 d3 n y o y a y p y （ 1-5）3T4 4= o z a z p z n z 0001 式 1-5 表示了 SCARA 手臂变换矩阵0 T4，它描述了末端连杆坐标系{4} 相对基坐标系 {0} 的位姿，是机械手运动分析和综合的基础。 式中： n x c1c2c4s1 s2 c4 c1 s2s4s1 c2 s4，n y s1c2 c4c1 s2 c4s1 s2 s4c1c2 s4 n z0 ， o x c1c2 s4s1 s2 s4 c1 s2 c4s1c2c4 o y s1c2 s4c1 s2 s4s1 s2 c4c1c2c4 o z0 ， a x0 ， a y0 ， a z1 p x c1 c2 l2s1s2l 2c1l 1， p y s1c2 l 2 c1 s2 l 2 s1l1， p z d3 机器人逆运动学研究的内容是：已知机器人末端的位置和姿态，求机器人对应于这个位置和姿态的全部关节角，以驱动关节上的电机，从而使手部的位姿符合要求。与机器人正运动学分析不同，逆问题的解是复杂的，而且具有多解性。

1）求关节 1： 1 A arctg 1 A 2 l 12 l 22 p x 2 p y 2 arctg p x 式中：A p x 2 ； p y 2l 1 p y 2 2）求关节 2： 2 r cos( 1 ) arctg ) l 1 r sin( 1 式中 ： r p x 2 p y 2 ；arctg p x p y 3). 求 关节变 量 d 3 令左右矩阵中的第三行第四个元素（3.4）相等，可得： d 3 p z 4). 求 关节变 量 θ 4 令左右矩阵中的第二行第一个元素（1.1,2.1 ）相等，即： sin 1 n x cos 1n y sin 2 cos 4 cos 2 sin 4 由上式可求得： 4 arctg ( sin 1 n x cos 1 n y )2 cos 1 n x sin 1 n y 四、实验目的： 1. 理解 SCARA 机器人运动学的 D-H 坐标系的建立方法； 2. 掌握 SCARA 机器人的运动学方程的建立； 3. 会运用方程求解运动学的正解和反解； （ 1-8） （ 1-9） （ 1-10 ）

数字图像处理角点检测方法研究毕业论文

数字图像角点特征检测方法研究

目录 引言 (3) 1 研究背景与发展 (6) 1.1研究背景 (6) 1.2研究现状和发展概述 (6) 1.3应用软件M ATLAB (7) 2 角点检测概念与原理 (9) 2.1角点的定义 (9) 2.2角点概念及特征 (9) 2.3角点检测意义 (9) 2.4角点检测原理 (10) 2.5角点检测技术的基本方法 (10) 2.5.1 基于模板的角点检测 (10) 2.5.2 基于边缘的角点检测 (11) 2.5.3 基于灰度变化的角点检测 (13) 3 角点算法概述 (14) 3.1角点检测的标准 (14) 3.2H ARRIS角点检测算子 (14) 3.2.1 Harris角点检测算子流程图 (19) 3.2.2 Harris角点检测算子的特点 (20) 3.2.3 Harris角点检测性质 (20) 3.2.4 Harris和Moravec算子角点检测实验结果 (21) 3.3一种改进的H ARRIS的算法 (23) 3.3.1试验结果 (24) 3.4S USAN角点检测算子 (25) 3.3.1 SUSAN角点检测一般步骤 (27) 3.3.2 Susan角点检测算子特点 (29) 3.3.3 Susan角点检测试验结果 (29) 4 其他算子简介 (33) 4.1小波变换算子 (33) 4.2F ORSTNER算子 (33) 4.3CSS角点检测算法 (35) 4.4ACSS角点检测算法 (36) 4.5各种角点检测算法的比较 (36) 结论 (39) 致谢 (41)

参考文献 (42) 附录1 HARRIS算法程序 (44) 附录2 MORA VEC算法程序 (46) 附录3 改进的HARRIS算法 (48) 附录4 SUSAN算法程序 (50)

六自由度机器人运动分析及优化

本 科 毕 业 论 文（设 计） 题目（中文 学学 完 成 日 期 2017 年 3 月

摘要 当今世界，工业化日趋成熟，机器人被广泛的应用于各行各业，最常用到的有四自由度，六自由度机器人。其中，自动化水平较高的汽车制造业和电子装配业经常常常要使用到六自由度机器人。因此对其实施运动学分析，是进行科学设计的基础，也是降低机器人生产成本，优化机器人运动轨迹的前提。此外，运动分析过程有效的模拟了机器人运动的真实情况，有助于提供有效可行的优化方案。本文主要探讨六自由度机器人的运动分析，基于经典运动学以及动力学的研究方法概念，首先通过solidworks做出机械臂各部分零件的三维图，然后通过SolidWorks装配出六自由度机器人机械臂的三维模型。通过该模型，选取其中一个关节和底座，并用SolidWorks进行运动学分析，对六自由度机器人的运动学和动力学计算方法进行了仿真验证。最后得到六自由度机器人的其中一个自由度的运动仿真实例。通过对该运动仿真实例的分析，得出最佳优化方案，优化机器人的运动轨迹提高机器人的工作效率，降低机器人生产成本。 关键词：六自由度机器人；运动分析；运动学；动力学；

目录 摘要 ...................................................................................................................... I Abstract ............................................................................... 错误！未定义书签。 1 绪论 (1) 1.1课题背景及研究的目的和意义 (1) 1.2机器人国内外发展现状及前景展望--------------------------1 2 六自由度机器人运动学分析 (3) 2.1六自由度机器人的结构-------------------------------------1 2.2运动学分析----------------------------------------------1 3 六自由度机器人动力学分析 (5) 3.1综述----------------------------------------------------3 3.2机器人动力学研究方法------------------------------------3 3.2.1几项假设-------------------------------------------3 3.2.2目标-----------------------------------------------4 3.2.3数学工具-------------------------------------------5 3.3动力学原理----------------------------------------------3 3.3.1动量矩定理---------------------------------------------------------------6 3.3.2能量守恒定理--------------------------------------6 3.3.3牛顿—欧拉方程------------------------------------7 3.3.4达朗贝尔原理--------------------------------------8 3.3.5拉格朗日方程--------------------------------------9 4 六自由度机器人运动分析 (8) 4.1运动分析的软件背景---------------------------------------3 4.2运用solidworks建立六度机器人机械臂三维模型--------------9 4.3运用Solidworks对进行运动学分析-------------------------4 5 结论 (14)

数字图像处理论文-图像分割方法研究-

江苏科技大学 数字图像处理本科生课程论文

论文题目：__图像分割方法研究_______ 完成时间：_______2016/6/5__________ 所在专业：____计算机科学与技术_____ 所在年级：___ _ _三年级______________ 图像分割方法研究 2013级计算机专业1班 1341901124 武易 摘要：图像分割是图像处理与机器视觉的基本问题之一，图像分割的应用非常广泛，几乎出现在有关图像处理的所有领域，并涉及各种类型的图像，数分割算法均基于灰度值的两个基本性质之一：不连续性和相似性。本文详述了阈值处理，边缘检测，区域分割，分水岭分割等经典算法，对人工智能基础上的分类算法只做简述。 关键词：图像分割；数字图像处理；边缘检测，分水岭算法 1 研究背景 图像分割是图像处理与机器视觉的基本问题之一，其要点是：把图像划分成若干互不交叠区域的集合，这些区域要么对当前的任务有意义，要么有助于说明它们与实际物体或物体的某些部分之间的对应关系。 一般的图像处理过程如图1-1所示。从图中可以看出，图像分割是从图像预处理到图像识别和分析理解的关键步骤，在图像处理中占据重要位置和起核心作用。一方面它是目标表达的基础，对特征测量有重要的影响。另一方面，图像分割以及基于分割的目标表达，特征提取和参数测量等将原始图像转化为更为紧凑的形式，使得更高层的图像识别，分析和理解成为可能。

光电变化数字化 图像增强 图像恢复 图像编码 阈值分割 边缘检测 区域分割 图像识别图像分析理解一般的图像处理过程 型的图像。例如，在遥感应用中，合成孔径雷达图像中目标的分割，遥感云图中不同云系和背景分布的分割等。在医学应用中，脑部MR图像分割成灰质（GM），白质（WM），脑脊髓（CSF）等脑组织和其他非脑组织区域（NB）等。在面向对象的图像压缩和基于内容的图像数据库查询中，将图像分割成不同的对象区域。在这些应用中，分割通常是为了进一步对图像进行分析，识别，压缩编码等，分割的准确性直接影响后续任务的有效性，因此具有十分重要的意义。 按照通用的分割定义，分割出的区域需同时满足均匀性和连通性的条件。其中均匀性是指该区域中的所有像素点都满足基于灰度，纹理，彩色等特征的某种相似性准则；连通性是指在该区域内存在连接任意两点的路径。设F表示一幅图像中所有像素的集合，P(.)是有关均匀性的假设，分割定义为把F划分成若干子集（S1，S2，…,S n），其中每一个子集都构成一个空间连通区域，即 且 且P(.)满足 和 P() = false,若Si与Sj在空间相邻 符合上述定义的分割计算十分复杂和困难，图像处理和视觉界的研究者们为此付出了长期的努力。迄今为止，大部分研究成果都是针对某一类型图像，某一具体应用的分割，通用方法和策略仍面临者巨大的困难。本文我们将对图像分割的方法进行分析和对比。

基于小波变换的图像处理方法研究

图像增强是图像处理的一个重要分支，它对提高图像的质量起着重要的作用。它通过有选择地强调图像中某些信息而抑制另一些信息，以改善图像的视觉效果，将图像转换成一种更适合于人眼观察和计算机进行分析处理的形式。传统的方法在增强图像对比度的同时也会增强图像噪声，而小波变换是多尺度多分辨率的分解方式，可以将噪声和信号在不同尺度上分开，根据噪声分布的规律就可以达到图像增强的目的。 本文首先对传统图像增强理论进行概述，并给出直方图均衡化与灰度变换算法，通过matlab来观察其处理效果的特点，然后提出四种基于小波变换的图像增强方法，并分析它们与传统图像增强方法相比的优缺点，最后基于传统小波变换只能增强图像边缘部分而无法增强细节部分的缺点，引出了基于分数阶微分和小波分解的图像增强方法，并通过matlab观察了这种算法的处理效果。 关键词：图像增强；直方图均衡化；小波变换；分数阶微分

Image enhancement is an important branch in image processing.It plays an important role in improving the quality of the images.It will improve the image visual effect through emphasizing the image information and inhibitting some other information selectively.It will converse images into a form more suitable for the human eye observation and computer analysis processing.The traditional method of image enhancement will enhance image contrast,image noise as well,while wavelet transform is a decompositon method of multi-scale and multi-resolution,it can separet noise from signal in different scale so that it can arrive the purpose of image enhancement according to the distribution of the noise. In the paper,firstly, I will summarize the image enhancement theory and give the Histogram equalization algorithm,at the same time,I will analyze the disadvantages of the treatment effect through the Matlab.Then,I will give an image enhancement method based on the wavelet transform and analyze its advantages and disadvantages compared with traditional methods.Finally,because traditional wavelet transformation can only strengthen the edge of images instead of the details,we will introduce the image enhancement based on wavelet decomposition and fractional differentials.At the same time,we will observe the treatment effect of this algorithm by the matlab.. Keywords: Image enhancement; Histogram equalization; Wavelet transform; Fractional differenti

ABB工业机器人运动学研究报告

ABB IRB 6600工业机器人运动学 研究报告 目录 1机器人结构简介 (1) 2机器人的运动学 (2) 2.1、机器人正运动学 (2) 2.2、机器人逆运动学 (10) 2.2.1求各关节到末端的坐标变换矩阵 (10) 2.2.2求Jacobian矩阵各列 (14)

1机器人结构简介 ABB工业机器人可以用于实现喷雾、涂胶、物料搬运、点焊等多种功能，是典型的机械臂，在网络上可以查找到较多的相关资料。本次作业就选取ABB IRB 6600机器人作为研究对象，首先对其结构进行简单简介。 图1

图2 ABB IRB 6600是六自由度机器人，具有六个旋转关节，底座固定，通过各关节的旋转可以完成三维空间内的运动。图1是ABB IRB 6600机器人的照片及工作范围图，图2是其结构简图和各轴的转动的参数。 2机器人的运动学 在这部分中运用所学知识对ABB IRB 6600 机器人进行D-H建模并求出对应的转换矩阵，并运用Jacobian 法进行逆运动学分析，求出Jacobian变换矩阵。 2.1、机器人正运动学 为了计算方便把机器人各关节前后两连杆共线作为初始状态，画出结构简图如图3

图3 图3中的关节7实际上是末端执行机构。运用学过的D-H建模方法建立模型，建模过程中为了方便画出各关节坐标系，将部分连杆进行了拉长，且由于部分关节坐标的Z轴垂直于纸面，所以用X轴Y轴画出坐标系，用右手定则既得到对应的Z轴。最终建立模型如图4：

图4 根据图4的可以得到对应的D-H参数表： 由此算出各关节变换矩阵：

? ? ??? ? ? ?????+-=1000 10000)cos()sin(0 0)sin()cos( 21111110 h h T θθθθ ?? ? ?? ? ????????----=100000)sin()cos(01000)cos()sin(22' 22221θθθθh T ?? ???? ? ?????-=1000010000)sin()cos(0)cos()sin(3333332θθθθh T ? ? ???? ? ???? ?+-=100000)cos()sin(1000 )sin()cos(44544443 θθθθh h T ?? ? ?? ? ? ???????-=100000)cos()sin(01000)sin()cos(55'55554θθθθh T ?? ??? ? ? ???? ?-=100000)cos()sin(10000 )sin()cos(6666665 θθθθh T ??? ? ?? ? ???????=100 000010000 07'776 h h T 将这些关节坐标变换矩阵连乘就得到了由基坐标系到末端的坐标变换矩阵： T T T T T T T T 7665544332211070 = 但是由于矩阵规模较大，不便用矩阵形式写出，所以把malab 计算得出的矩阵用分项的形式写出：

数字图像处理技术的研究现状与发展方向.

2012年 12月 第 4期 数字图像处理技术的研究现状与发展方向孔大力崔洋 (山东水利职业学院 , 山东日照 276826 摘要 :随着计算机技术的不断发展 , 数字图像处理技术的应用领域越来越广泛。本文主要对数字图像处理技术的方法、优点、数字图像处理的传统领域及热门领域及其未来的发展等进行相关的讨论。 关键词 :数字图像处理 ; 特征提取 ; 分割 ; 检索 引言 图像是指物体的描述信息 , 数字图像是一个物体的数字表示 , 图像处理则是对图像信息进行加工以满足人的视觉心理和应用需求的行为。数字图像处理是指利用计算机或其他数字设备对图像信息进行各种加工和处理 , 它是一门新兴的应用学科 , 其发展速度异常迅速 , 应用领域极为广泛。 数字图像处理的早期应用是对宇宙飞船发回的图像所进行的各种处理。到了70年代 , 图像处理技术的应用迅速从宇航领域扩展到生物医学、信息科学、资源环境科学、天文学、物理学、工业、农业、国防、教育、艺术等各个领域与行业 , 对经济、军事、文化及人们的日常生活产生重大的影响。 数字图像处理技术发展速度快、应用范围广的主要原因有两个。最初由于数字图像处理的数据量非常庞大 , 而计算机运行处理速度相对较慢 , 这就限制了数字图像处理的发展。现在计算机的计算能力迅速提高 , 运行速度大大提高 , 价格迅速下降 , 图像处理设备从中、小型计算机迅速过渡到个人计算机 , 为图像处理在各个领域的应用准备了条件。第二个原因是由于视觉是人类感知外部世界最重要的手段。据统计 , 在人类获取的信息中 , 视觉信息占 60%, 而图像正是人类获取

信息的主要途径 , 因此 , 和视觉紧密相关的数字图像处理技术的潜在应用范围自然十分广阔。 1数字图像处理的目的 一般而言 , 对图像进行加工和分析主要有以下三方面的目的 [1]: (1提高图像的视感质量 , 以达到赏心悦目的目的。如去除图像中的噪声 , 改变图像中的亮度和颜色 , 增强图像中的某些成分与抑制某些成分 , 对图像进行几何变换等 , 从而改善图像的质量 , 以达到或真实的、或清晰的、或色彩丰富的、或意想不到的艺术效果。 (2提取图像中所包含的某些特征或特殊信息 , 以便于计算机进行分析 , 例如 , 常用做模式识别和计算机视觉的预处理等。这些特征包含很多方面 , 如频域特性、灰度 /颜色特性、边界 /区域特性、纹理特性、形状 /拓扑特性以及关系结构等。 (3对图像数据进行变换、编码和压缩 , 以便于图像的存储和传输。 2数字图像处理的方法 数字图像处理按处理方法分 , 主要有以下三类 , 即图像到图像的处理、图像到数据的处理和数据到图像的处理 [2]。 (1 图像到图像。图像到图像的处理 , 其输入和输出均为图像。这种处理技术主要有图像增强、图像复原和图像编码。 首先 , 各类图像系统中图像的传送和转换中 , 总要造成图像的某些降质。第一类解决方法不考虑图像降质的原因 , 只将图像中感兴趣的特征有选择地突出 , 衰减次要信息 , 提高图像的可读性 , 增强图像中某些特征 , 使处理后的图像更适合人眼观察和机器分析。这类方法就是图像增强。例如 , 对图像的灰度值进行修正 , 可以增强图像的对比度 ; 对图像进行平滑 , 可以抑制混入图像的噪声 ; 利用锐化技