基于視覺的網(wǎng)絡(luò)遠程控制系統(tǒng)

第1章　概述
1.1　機器人控制發(fā)展簡史
1.2　網(wǎng)絡(luò)控制系統(tǒng)的發(fā)展歷程
1.3　網(wǎng)絡(luò)化控制系統(tǒng)
1.4　遠程控制系統(tǒng)中的圖像處理與目標(biāo)跟蹤技術(shù)
1.5　基于Internet的遠程控制系統(tǒng)
1.6　網(wǎng)絡(luò)控制系統(tǒng)存在的問題及研究現(xiàn)狀
1.6.1　監(jiān)督控制
1.6.2　直接控制
1.7　本書內(nèi)容安排第2章　二自由度機械臂自動繪圖系統(tǒng)
2.1　機械臂本體及其控制系統(tǒng)
2.1.1　二自由度串聯(lián)機械臂系統(tǒng)
2.1.2　伺服控制器
2.1.3　機械臂系統(tǒng)的運動模式
2.1.4　機械臂控制系統(tǒng)
2.2　二自由度機械臂控制系統(tǒng)的工作原理
2.2.1　機械臂工作空間分析
2.2.2　機械臂運動學(xué)解
2.3　機械臂控制系統(tǒng)的軟件結(jié)構(gòu)
2.4　機械臂控制系統(tǒng)圖形示教系統(tǒng)
2.5　提高實際繪圖精度與速度的研究
2.5.1　提高機械臂繪圖精度
2.5.2　提高機械臂繪圖速度
2.6　自由曲線繪制的設(shè)計與實現(xiàn)
2.6.1　自由曲線繪制操作面板
2.6.2　精確數(shù)學(xué)曲線繪制操作面板
2.6.3　參數(shù)設(shè)置面板
2.6.4　操作面板的整合
2.6.5　操作面板與原控制程序的連接
2.6.6　繪制規(guī)則曲線的方法
2.6.7　繪制精確數(shù)學(xué)曲線
2.6.8　繪制自由曲線的方法
2.6.9　系統(tǒng)自由曲線繪制的演示實例
2.7　基于灰度圖像的邊緣提取設(shè)計與再現(xiàn)
2.7.1　灰度圖像的二值化算法
2.7.2　邊緣檢測算法
2.7.3　圖像各條邊緣的提取
2.7.4　邊緣數(shù)據(jù)的篩選與存儲
2.7.5　程序設(shè)計與實現(xiàn)
2.7.6　實際應(yīng)用結(jié)果
2.8　本章小結(jié)第3章　基于視覺的機械臂閉環(huán)控制系統(tǒng)
3.1　圖像測量原理
3.2　控制系統(tǒng)的軟硬件總體結(jié)構(gòu)
3.2.1　軟件總體結(jié)構(gòu)
3.2.2　視覺模塊的操作面板及其圖像處理系統(tǒng)的設(shè)計與實現(xiàn)
3.2.3　視覺模塊與原控制程序的連接
3.3　基于視覺的機械臂末端執(zhí)行器坐標(biāo)獲取
3.3.1　Harris算法
3.3.2　SUSAN算法
3.3.3　SV算法
3.3.4　模板匹配算法
3.3.5　末端執(zhí)行器位置檢測
3.3.6　實際實驗與結(jié)果分析
3.3.7　小結(jié)
3.4　視覺定位系統(tǒng)的設(shè)計與實現(xiàn)
3.4.1　基于視覺定位的控制系統(tǒng)
3.4.2　基于視覺反饋坐標(biāo)的控制器設(shè)計
3.5　系統(tǒng)使用方法
3.5.1　視覺模塊初始化的方法
3.5.2　利用視覺反饋繪制規(guī)則曲線的方法
3.5.3　基于視覺補償系統(tǒng)的演示實例
3.6　本章小結(jié)第4章　機械臂網(wǎng)絡(luò)遠程控制平臺軟件的設(shè)計與實現(xiàn)
4.1　網(wǎng)絡(luò)遠程機器人控制系統(tǒng)構(gòu)成
4.2　遠程網(wǎng)絡(luò)機器人系統(tǒng)的驅(qū)動及控制方式
4.2.1　直接控制
4.2.2　監(jiān)督控制
4.2.3　自學(xué)習(xí)控制
4.3　機械臂網(wǎng)絡(luò)遠程控制系統(tǒng)的實現(xiàn)方式
4.3.1　軟件方式
4.3.2　硬件方式
4.4　機械臂網(wǎng)絡(luò)遠程控制系統(tǒng)的架構(gòu)
4.5　本地控制平臺軟件層次結(jié)構(gòu)分析
4.6　網(wǎng)絡(luò)遠程控制服務(wù)器端軟件平臺
4.6.1　服務(wù)器端軟件平臺結(jié)構(gòu)與流程
4.6.2　服務(wù)器端數(shù)據(jù)結(jié)構(gòu)與功能函數(shù)
4.7　網(wǎng)絡(luò)遠程控制客戶機端軟件平臺
4.7.1　客戶機端軟件結(jié)構(gòu)與流程
4.7.2　客戶機端數(shù)據(jù)結(jié)構(gòu)與功能函數(shù)
4.8　本章小結(jié)
第5章　機械臂遠程控制系統(tǒng)的性能分析
5.1　網(wǎng)絡(luò)遠程控制系統(tǒng)中的延時問題
5.1.1　網(wǎng)絡(luò)延時的組成部分
5.1.2　網(wǎng)絡(luò)延時的不確定性產(chǎn)生的原因及其特性
5.1.3　網(wǎng)絡(luò)延時的測量與分析
5.1.4　網(wǎng)絡(luò)延時的預(yù)測算法
5.2　網(wǎng)絡(luò)節(jié)點驅(qū)動方式對遠程控制系統(tǒng)性能的影響
5.2.1　網(wǎng)絡(luò)節(jié)點的時間驅(qū)動方式與事件驅(qū)動方式
5.2.2　不同的節(jié)點驅(qū)動方式下系統(tǒng)模型的建立
5.2.3　節(jié)點驅(qū)動方式對系統(tǒng)性能的影響
5.2.4　各節(jié)點驅(qū)動方式的適用范圍
5.3　系統(tǒng)仿真實驗結(jié)果及其分析
5.4　本章小結(jié)第6章　網(wǎng)絡(luò)遠程控制系統(tǒng)的控制
6.1　網(wǎng)絡(luò)遠程控制系統(tǒng)的確定性控制
6.1.1　確定性控制的基本思想
6.1.2　確定性控制中的三種方法
6.1.3　確定性控制中三種方法之間的相互關(guān)系
6.1.4　系統(tǒng)仿真實驗及其結(jié)果的對比分析
6.2　基于網(wǎng)絡(luò)的機械臂遠程控制系統(tǒng)中的延時補償
6.2.1　網(wǎng)絡(luò)延時的測量
6.2.2　機械臂遠程控制的延時補償
6.3　機械臂遠程控制系統(tǒng)中的連續(xù)軌跡控制
6.3.1　連續(xù)軌跡控制的關(guān)鍵技術(shù)及特點
6.3.2　連續(xù)軌跡控制方式下的機械臂網(wǎng)絡(luò)遠程控制
6.3.3　實際系統(tǒng)實驗及其結(jié)果對比分析
6.4　本章小結(jié)第7章　基于視覺的遠程機械臂控制系統(tǒng)
7.1　機械臂遠程視覺控制系統(tǒng)
7.1.1　本地服務(wù)器
7.1.2　遠程客戶端
7.1.3　網(wǎng)絡(luò)模塊
7.2　圖像測量
7.2.1　攝像機標(biāo)定
7.2.2　機械臂末端圖像識別
7.3　圖像壓縮
7.3.1　二維圖像的DCT變換
7.3.2　數(shù)據(jù)編碼
7.4　圖像處理模塊的設(shè)計與實現(xiàn)
7.4.1　圖像格式簡介
7.4.2　攝像機驅(qū)動與圖像獲取
7.4.3　圖像處理模塊的軟件實現(xiàn)
7.5　圖像處理實驗結(jié)果
7.5.1　角點檢測算法精度分析
7.5.2　綜合標(biāo)定誤差分析
7.5.3　圖像壓縮與解壓縮實驗結(jié)果
7.6　遠程控制中的視覺反饋及其實現(xiàn)
7.6.1　視覺反饋的控制算法設(shè)計與分析
7.6.2　視覺反饋的軟件實現(xiàn)
7.7　基于視覺的遠程機械臂控制系統(tǒng)的實驗及其結(jié)果分析
7.7.1　無視覺反饋功能的網(wǎng)絡(luò)遠程控制系統(tǒng)繪圖實驗
7.7.2　具有視覺反饋功能的網(wǎng)絡(luò)遠程控制系統(tǒng)繪圖實驗
7.8　本章小結(jié)第8章　遠程視覺控制系統(tǒng)中的視頻傳輸與目標(biāo)定位
8.1　視頻傳輸
8.1.1　圖像數(shù)據(jù)壓縮的必要性和可能性
8.1.2　圖像壓縮編碼過程
8.1.3　圖像壓縮編碼算法分類
8.1.4　圖像質(zhì)量評估
8.2　圖像處理模塊
8.3　基于DCT的靜止圖像壓縮及其應(yīng)用
8.3.1　二維DCT變換
8.3.2　量化
8.3.3　熵編碼
8.3.4　基于自適應(yīng)鄰域思想的塊效應(yīng)消除算法
8.3.5　實際系統(tǒng)實驗及其結(jié)果分析
8.4　基于小波的圖像壓縮及其應(yīng)用
8.4.1　小波變換
8.4.2　小波系數(shù)編碼
8.4.3　EZW編碼實驗結(jié)果及其分析
8.5　視頻壓縮編碼及其應(yīng)用
8.5.1　視頻編碼概念
8.5.2　視頻編碼核心技術(shù)
8.5.3　預(yù)測與小波相結(jié)合的視頻壓縮編碼
8.5.4　實驗結(jié)果及分析
8.6　機械臂末端執(zhí)行器的目標(biāo)定位
8.6.1　模板匹配
8.6.2　卡爾曼濾波
8.6.3　目標(biāo)定位
8.6.4　實驗結(jié)果及分析
8.7　本章小結(jié)第9章　基于隱馬爾可夫模型的網(wǎng)絡(luò)時延建模與預(yù)測
9.1　網(wǎng)絡(luò)化控制系統(tǒng)的特點
9.2　不同時延模型下的NCS建模
9.2.1　定常時延模型及NCS建模
9.2.2　相互獨立的隨機時延模型及NCS建模與控制
9.2.3　馬爾可夫鏈隨機時延模型及NCS建模與控制
9.3　三種時延模型的局限性
9.4　基于隱馬爾可夫模型的NCS的提出
9.5　基于隱馬爾可夫模型的網(wǎng)絡(luò)時延建模
9.5.1　隱馬爾可夫時延模型
9.5.2　模型參數(shù)估計
9.6　基于隱馬爾可夫模型的網(wǎng)絡(luò)時延預(yù)測
9.6.1　基于平均量化的時延預(yù)測
9.6.2　基于K-均值聚類的量化
9.7　系統(tǒng)仿真實驗及其結(jié)果分析
9.8　本章小結(jié)第10章　基于隱馬爾可夫模型的NCS的控制
10.1　基于隱馬爾可夫模型的NCS狀態(tài)反饋控制
10.1.1　馬爾可夫跳變線性系統(tǒng)模型
10.1.2　系統(tǒng)隨機穩(wěn)定條件研究
10.1.3　狀態(tài)反饋控制器設(shè)計
10.1.4　系統(tǒng)仿真實驗及其結(jié)果分析
10.2　基于隱馬爾可夫模型的NCS最優(yōu)控制
10.2.1　增廣狀態(tài)系統(tǒng)模型
10.2.2　最優(yōu)控制器設(shè)計
10.2.3　穩(wěn)定性分析
10.2.4　系統(tǒng)仿真實驗及其結(jié)果對比分析
10.3　本章小結(jié)第11章　基于TrueTime的NCS仿真平臺設(shè)計
11.1　TrueTime 1.5工具箱簡介
11.2　網(wǎng)絡(luò)化控制系統(tǒng)仿真平臺設(shè)計
11.3　基于隱馬爾可夫模型的NCS建模與控制算法設(shè)計
11.4　本章小結(jié)
參考文獻