工业机器人视觉引导关键技术问题研究
工业机器人视觉引导系统设计
工业机器人视觉引导系统设计随着现代工业的发展，工业机器人在生产线上扮演着越来越重要的角色。
工业机器人的自动化以及高精度操作需求对其视觉引导系统的设计提出了更高的要求。
本文将探讨工业机器人视觉引导系统的设计原理、关键技术以及相关应用。
一、设计原理：工业机器人视觉引导系统是指利用计算机视觉技术，通过相机和图像处理算法对机器人进行引导和定位的系统。
其设计原理可以分为两个主要部分：图像采集和图像处理。
1. 图像采集：图像采集是工业机器人视觉引导系统的基础，主要通过相机获取现场图像。
相机的选择应根据具体应用场景和要求进行，包括分辨率、帧率、焦距等参数的考虑。
同时，还需考虑相机的安装位置、视野范围等因素，以保证采集到的图像满足后续图像处理的需求。
2. 图像处理：图像处理是工业机器人视觉引导系统的核心，通过对采集到的图像进行处理和分析，提取出所需的信息。
常见的图像处理技术包括边缘检测、图像分割、目标识别与定位等。
二、关键技术：1. 边缘检测：边缘检测是图像处理的基本技术，通过检测出图像中物体的边缘轮廓，为后续目标识别和定位提供基础。
常用的边缘检测算法有Sobel算子、Canny算子等。
2. 图像分割：图像分割是将图像划分成若干个连通区域的过程，可以将不同的物体分割开来，以便进行后续的目标识别和定位。
常见的图像分割算法有阈值分割、区域生长法等。
3. 目标识别与定位：目标识别与定位是工业机器人视觉引导系统的关键技术，通过对图像中的目标进行识别和定位，从而实现机器人的引导和操作。
常见的目标识别与定位算法有模板匹配法、特征匹配法等。
三、相关应用：1. 自动装配：工业机器人视觉引导系统在自动装配过程中发挥着重要作用。
通过对图像中的零件进行识别和定位，机器人可以准确地进行零件的抓取和装配操作，提高生产线的效率和精度。
2. 检测和质检：工业机器人视觉引导系统可以用于对产品的表面缺陷、尺寸偏差等进行检测和质检。
通过对图像中的产品进行分析，机器人可以及时发现问题并做出相应的处理，确保产品质量。
机器人视觉引导与控制技术的创新与实践
机器人视觉引导与控制技术的创新与实践一、引言机器人技术在自动化生产领域中发挥了重要的作用。
与人类相比，机器人具有高精度、高效率、高稳定性等优势，并且可以进行长时间的工作而不需要人的干预。
其中，机器人视觉引导和控制技术是机器人技术的重要分支，在工业生产线、医疗卫生等领域中都有着广泛的应用。
本文将从机器人视觉引导与控制技术的创新和实践方面，分析其发展趋势和应用前景。
二、机器人视觉引导技术创新与实践机器人视觉引导技术是机器人技术中的一个重要领域。
随着机器人技术的不断发展和深入，视觉引导技术也在不断更新和创新。
下面，将从三个方面来探讨机器人视觉引导技术的创新与实践。
（一）三维视觉引导技术三维视觉引导技术是指通过机器视觉系统采集物体三维信息，实现机器人的引导。
它可以通过对透明物体的识别，实现智能抓取，还可以识别物体的表面纹理，实现贴标签或喷涂等工作。
三维视觉引导技术的创新点在于其高度的精度和可靠性，能够减少机器人工作中的误差。
（二）深度学习在机器人视觉中的应用深度学习技术可以用于图像识别、物体位姿估计等应用。
在机器人视觉引导中，深度学习技术可以使用神经网络模型对图像进行处理，提取出物体的特征信息，从而识别出物体进而提供引导信息。
深度学习技术的创新点在于它可以实现对图像数据的自主学习和特征提取，得到更加准确的识别结果。
（三）基于智能算法的机器人视觉引导智能算法可以用于机器人视觉引导中的路径规划和动作控制。
机器人可以根据预测的位置信息和目标信息，预测下一步的动作，并进行自主的引导操作。
智能算法的创新点在于它可以实现机器人自主的路径规划和动作控制，避免了人工干预带来的误差和延误。
三、机器人视觉控制技术创新与实践机器人视觉控制技术是机器人技术中的另一个重要领域。
它可以实现机器人自动检测和控制，减少人为干预。
下面，将从三个方面来探讨机器人视觉控制技术的创新与实践。
（一）人机交互的机器人视觉控制人机交互是指人与机器人之间的交互方式，其利用机器人视觉技术实现了对人的情感、识别和指令的处理。
机器视觉技术与工业机器人的应用
机器视觉技术与工业机器人的应用随着科技的不断进步与发展，机器视觉技术在工业机器人领域中的应用也日益广泛。
机器视觉技术是一种通过计算机视觉系统来模拟人眼的视觉能力，以达到感知、识别和处理图像的目的。
在工业机器人中，机器视觉技术的应用可以提高生产效率、降低生产成本，并且有效减少了人力资源的依赖。
一、机器视觉技术在工业机器人的视觉引导中的应用在工业生产过程中，机器视觉技术可以被用于机器人的视觉引导。
通过安装在工业机器人上的相机和图像处理算法，机器视觉系统可以对工件或环境进行实时图像识别和处理，以准确地完成各种复杂任务。
例如，当机器人需要将某个物体从一个位置移动到另一个位置时，机器视觉系统可以实时捕捉图像，并通过图像处理算法来确定物体的位置、大小和姿态，从而指导机器人进行精准的抓取和移动。
二、机器视觉技术在工业机器人的质量检测中的应用机器视觉技术在工业机器人的质量检测中也起到了关键作用。
通过安装在工业生产线上的机器视觉系统，可以对产品进行自动化的质量检测。
机器视觉系统可以对产品的外观进行高速拍摄和分析，识别出产品表面的缺陷、瑕疵等问题，并及时通知工人进行处理。
这种自动化的质量检测方式不仅提高了生产效率，还可以避免了由于人为因素而导致的质量问题。
三、机器视觉技术在工业机器人的安全保障中的应用工业机器人在生产过程中可能会对人体造成伤害，因此安全保障是至关重要的。
机器视觉技术可以通过监测和识别人体的位置和姿态来确保工业机器人的安全运行。
例如，当机器人感知到有人靠近或进入危险区域时，机器视觉系统可以立即发出警报信号，使机器人停止运动，以避免意外事故的发生。
此外，机器视觉技术还可以检测机器人本身的状态，及时发现故障并进行修复，确保机器人的正常运行。
四、机器视觉技术在工业机器人的智能化操作中的应用借助机器视觉技术，工业机器人的操作和控制变得更加智能化。
通过识别周围环境和感知自身位置，机器视觉系统可以向机器人提供准确的导航和路径规划，从而实现自主操作和避障。
机器人视觉引导系统设计与实现
机器人视觉引导系统设计与实现摘要：本文介绍了机器人视觉引导系统的设计与实现。
机器人视觉引导系统是一种利用计算机视觉技术和机器学习算法，将机器人的感知能力与导航能力相结合，实现对环境的感知和路径规划，以达到引导机器人在复杂环境中准确导航的目的。
本文首先介绍了机器人视觉引导系统的应用背景和意义，然后详细阐述了系统的总体设计思路和关键技术，包括环境感知、目标检测与识别、路径规划与导航等模块的设计要点和实现方法。
最后，本文对系统的实验结果进行了评估与分析，并对未来的研究方向进行了展望。
1. 引言机器人视觉引导系统是一种利用计算机视觉和机器学习技术，使机器人能够准确感知环境并规划路径来引导机器人在复杂环境中进行导航的系统。
该系统在工业生产、服务机器人等领域具有广阔的应用前景。
2. 系统总体设计思路机器人视觉引导系统的总体设计思路包括环境感知、目标检测与识别、路径规划与导航三个核心模块。
2.1 环境感知环境感知是机器人视觉引导系统的基础，主要通过激光雷达、相机等传感器获取环境中的各种数据，并对数据进行处理和分析。
其中，激光雷达主要用于获取环境的几何信息，比如障碍物的位置和形状；相机则用于获取环境的图像信息，通过对图像的处理和分析可以提取目标物体的特征。
2.2 目标检测与识别目标检测与识别是机器人视觉引导系统的核心技术之一，通过对环境中的图像进行处理和分析，可以检测并识别出目标物体，比如人、物体等。
在目标检测和识别的过程中，可以采用传统的机器学习算法，比如支持向量机和随机森林，也可以采用深度学习算法，比如卷积神经网络。
2.3 路径规划与导航路径规划与导航是机器人视觉引导系统的核心技术之二，通过对环境中的障碍物位置和形状进行分析和处理，可以规划出一条安全且有效的路径来引导机器人进行导航。
在路径规划和导航的过程中，可以采用传统的规划算法，比如A*算法和Dijkstra算法，也可以采用深度强化学习算法，比如深度Q网络。
机器视觉技术与应用实战-机器人视觉引导理论基础
三维图像传感器点云数据图
《机器视觉技术与应用实战》
第二节 机器人3D引导视觉
（二）手眼标定原理
① 三维坐标系位置点描述
三维坐标系点 P 的位置由它的三个坐标 ( X P ,YP , ZP ) 来描述。例如，摄像机坐标系中的
点 P 的坐标（由字母 C 表示）和世界坐标系（以字母 W 表示）将被写成：
机器视觉与机器人的坐标系变换即“手眼标定”把机器人和视觉在空间上关联起来。标定是 机器人引导过程中坐标系变换最为关键的一个步骤，标定的好坏直接决定了定位的准确度和精 度。在做手眼标定之前，需要对图像进行标定，完成对图像的畸变矫正，这也称为相机的标定。 相机标定的作用是校正镜头的畸变、将图像的像素单位转换成毫米、计算图像坐标系与世界坐 标系的夹角。相机标定之后就是手眼标定（相机与机器人之间的标定），主要是坐标系变换。 坐标变换分为三个步骤，第一步是坐标系转换，第二步是旋转中心查找，第三步是综合坐标系。
使用相对位置标定是由于图像坐标系与机器人坐标系的原点不重合如图所示，且输出坐标需要是绝对位置坐标时， 就需要进行坐标转换。
相对位置坐标关系示意图
假设P1点为旋转中心：
P1在机器人坐标系下的值 PW1( XW1,YW1)
P1在图像坐标系下的值 P（1 X i1，Yi1） P2在图像坐标系下的值 P2 ( X i2 ,Yi2 )
旋转中心的计算：取圆周上的三点或两点和夹角，通过几何公式即可求得圆心坐标，其中圆心坐标即为旋转中心 的坐标。例如：下图所示，已知P2和P3为圆周上的两点、夹角，即可求出P1点（旋转中心）的坐标。
旋转中心查找标定关系图
《机器视觉技术与应用实战》
第一节 机器人2D引导视觉
3、综合坐标系变换
当机器视觉的图像坐标系与机器人的坐标系转换标定完成，同时也查找到了机器人的旋转中心坐标后，就可以进 行机器视觉与机器人定位引导数值的综合转换即相对位置标定与坐标的旋转偏移。
视觉引导机器人原理-概述说明以及解释
视觉引导机器人原理-概述说明以及解释1.引言1.1 概述在当今科技快速发展的时代，机器人技术已经在各个领域得到广泛应用，机器人的视觉引导技术更是其中的重要组成部分。
视觉引导机器人是一种能够通过视觉感知环境并作出相应行动的智能机器人，其原理是通过摄像头捕捉环境中的图像，通过图像处理算法识别物体、场景等信息，为机器人提供导航、避障、抓取等功能。
视觉引导机器人的出现，极大地拓展了机器人在各行各业的应用范围，例如在工业生产中用于自动化生产线、在医疗领域用于手术辅助、在农业领域用于植物识别等。
同时，视觉引导机器人也在无人驾驶汽车、无人机等领域得到广泛应用，为人类生活带来了便利和安全。
本文将从机器人视觉技术概述、视觉引导原理、视觉引导在机器人中的应用等方面进行探讨，旨在深入了解视觉引导机器人的重要性以及展望未来发展方向。
1.2 文章结构文章结构部分的内容：本文主要分为引言、正文和结论三部分。
在引言部分，会概述整篇文章的主题及重要性，介绍文章的结构和目的，引导读者对本文内容有一个整体的了解。
正文部分包括三个部分：机器人视觉技术概述、视觉引导原理以及视觉引导在机器人中的应用。
其中机器人视觉技术概述部分将介绍机器人视觉技术的基本概念和发展历程，为后续内容打下基础；视觉引导原理部分将详细解释视觉引导的工作原理，包括影像处理、目标检测和跟踪等技术原理；视觉引导在机器人中的应用部分将展示视觉引导技术在不同类型机器人中的实际应用场景和效果。
最后，在结论部分将对整篇文章进行总结，强调视觉引导机器人的重要性，并展望未来发展方向，以及对本文的结论做出概括性的总结。
整篇文章的结构清晰，内容完整，旨在帮助读者深入了解和掌握视觉引导机器人的原理和应用。
1.3 目的视觉引导机器人是一种利用摄像头和视觉算法来对周围环境进行感知和导航的智能系统。
本文旨在探讨视觉引导机器人的原理，分析其在现代工业和科技领域中的重要性与应用场景。
通过深入了解视觉引导机器人的工作原理和技术特点，可以帮助我们更好地认识和理解这一前沿科技的发展现状和未来趋势，为实现机器人在自动化生产、智能驾驶等领域的更广泛应用提供理论支持和技术指导。
机器人视觉引导系统设计与实现
机器人视觉引导系统设计与实现随着科技的飞跃发展，机械制造业、智能电子等领域的需求也在飞速增长。
机器人成为了其中的一种重要设备，并在日常生产和生活中得到广泛应用。
与此同时，伴随着机器人的普及，机器人视觉引导系统的需求也日渐突出。
本文将介绍机器人视觉引导系统的设计和实现，为读者提供值得借鉴的思路。
一、机器人视觉引导系统的概述机器人视觉引导系统是指利用摄像头及其他传感器获取现场信息，通过图像处理和分析技术来控制机器人运动，完成目标任务的系统。
一般机器人视觉引导系统包括四个模块：图像采集模块、图像处理模块、控制算法及执行器模块和人机界面模块。
图像采集模块：主要由摄像头或激光光电传感器等组成，负责对现场环境进行监控和信息采集，将采集到的信息上传至图像处理模块。
图像处理模块：负责对采集的图像进行处理和分析，以提供足够的信息供控制算法和执行器模块使用。
控制算法及执行器模块：是机器人视觉引导系统的核心部分，通过对图像信息进行判断，控制执行器模块进行相应行动。
执行器模块一般由电动机、伺服系统等组成。
人机界面模块：为用户提供机器人的操作界面，用户通过该模块可以对机器人视觉引导系统进行控制、监控、信息反馈等。
二、机器人视觉引导系统的设计思路1、图像采集模块的设计思路图像采集模块在机器人视觉引导系统中的作用极为重要，直接影响后续图像处理模块和控制算法及执行器模块的性能。
因此，在设计过程中应预估好所需的图像质量和数据流量，选定合适的摄像头或激光光电传感器，并确定好其放置位置和角度，以保证图像质量和拍摄范围的完整性。
2、图像处理模块的设计思路图像处理模块是机器人视觉引导系统的“大脑”，对采集的图像进行处理和分析，为后续控制算法和执行器模块提供关键性信息。
图像处理模块设计的核心是选定合适的算法，可根据具体需求选择较为常见的算法如卷积神经网络CNN、支持向量机SVM等，也可根据具体情况选择其他算法或进行算法创新；此外，为提高算法运行效率和稳定性，可采用图像预处理如降噪、均衡化、滤波等操作。
机器人视觉的研究与应用
机器人视觉的研究与应用机器人是现代科技的重要代表之一，被广泛应用于诸多领域，如工业生产、医疗卫生、农业生产等。
为了使机器人能够更好地完成各种任务，不断提高其精度和效率，机器人视觉技术在研究与应用中起着至关重要的作用。
一、机器人视觉技术的基础原理机器人视觉技术是指利用机器视觉相关技术，对机器人身边的环境、任务对象等进行感知、辨识、定位、判断等任务的一种技术。
其基础原理是将摄像机拍摄的图像转化为数字图像，然后通过数字图像信号处理算法，对图像进行特征分析、物体识别、位置测量等，从而达到对物体、环境、台时任务等的自动理解。
机器人视觉技术的发展历程源远流长。
早在上世纪60年代，美国就已经开始研究机器人视觉的技术，主要集中于机器人会场和无人机的研究。
而在20世纪80年代，随着微电子技术和数字图像处理的发展，机器人视觉技术得到了快速的发展。
二、机器人视觉技术的主要应用场景机器人视觉技术的主要应用场景包括机器人视觉导航、机器人安全与监督、机器人教育、机器人医疗卫生、机器人制造等。
1.机器人视觉导航机器人视觉导航是机器人应用最广泛的领域之一，主要应用于无人机、地面机器人、水下机器人等不同类型的机器人中。
该技术可以使机器人通过建立地图，实时感知自己的位置和周围环境，规划路径，从而实现自主导航，可用于军事、民用、交通和探险等领域。
2.机器人安全与监督机器人的安全与监督是众所周知的问题之一。
机器人视觉为了加强危险物品、地点的自动检测与监控，从而可以在自动机器人、自主驾驶等领域中更好地发挥作用。
此外，机器人视觉技术还可以应用于工业安全监测、防范偷盗案等场景中。
3.机器人教育机器人教育在近年来得到了许多关注，其本质是通过机器人辅助教学，引导学生掌握机器人工程基础知识，从而培养学生的创新思维和解决问题的能力。
机器人视觉技术可以使机器人在教育场景中，并能及时地跟踪学生行为状况，提供错误指导，并为学生提供及时的反馈。
4.机器人医疗卫生机器人在医疗卫生领域中的应用不断地被扩展，它们主要用于放射外科、病人监测与照料、影像学，以及辅助手术等领域。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
工业机器人视觉引导关键技术问题研究
摘要：工业机器人因其高效灵活与精准稳定等优点，在工业中具有广泛的应用。
机器视觉技术的进步，使得机器人控制引导技术的功能也更加强大。
本文介绍了工业机器人视觉引导系统的组成，从视觉引导系统的标定、目标物体的识别与定位跟踪方面做了研究，为解决工业机器人视觉引导关键技术提供了理论基础。
关键词：视觉引导；标定方法；靶标绪论
高智能水平的工业机器人是我国装备制造业水平提升
的重要标志，随着工业机器人的应用领域的不断延伸，其视觉引导技术在机器人实用性技术中的重要性也突显了出来。
机器人视觉涉及到人工智能、图像处理、模式识别等多领域的交叉，通过对目标进行非接触测量，为机器人提供目标物体实时的状态信息[1]。
一、工业机器人视觉引导系统的组成
机器人视觉引导系统通过非接触传感的方式，可以实现指导机器人按照工作要求对目标物体进行操作，包括零件的定位放取、工件的实时跟踪等。
工程中常用的系统包括2D、2.5D 和3D工业机器人视觉引导系统[2]。
（1）2D视觉引导系统通过摄像机等数据采集工具，采
集工件几何模型信息，获取其特征位置的坐标信息，对工件平面位置进行辨识和定位，选取不同的特征点会对2D视觉
引导系统的精度产生影响
（2）2.5D视觉引导系统相较2D系统而言，增加了目标物体的高度识别，包括物体的X、Y、Z方向的移动和围绕Z
轴的转动，其原理与2D视觉引导系统相似。
（3）3D视觉引导系统通过摄像机等数据采集工具，采集空间物体的六个自由度的信息，其复杂程度相对较高。
传统的3D视觉引导系统需要两个摄像机从不同的角度对空间
物体进行定位，而目前先进的视觉引导系统仅需一台摄像机，就能实现目标物体的空间定位[3]。
二、工业机器人视觉引导系统标定研究
（一）摄像机标定
摄像机标定是通过选取尺寸精度较高的已知空间物体
作为参考，建立其与成像之间的关系，所选用的标定参考物称为靶标。
在摄像机的实际标定中，在靶标上制作一些圆形或棋格阵列等作为特征信息[4]。
（二）手眼标定方法
手眼系统（Eye-in-Hand）是指将摄像机装备安装于机器人末端执行机构上，并且随着机器人工作而改变位置。
由于摄像机是随着机器人一起运动的，其与机器人的世界坐标系的相对关系始终在变化，而摄像机与末端执行机构的相对保
持不变。
手眼标定方法通过标定获得摄像机在机器人执行机构
的位置，根据标定结果和执行机构当前的位置姿态信息，求出不同坐标系之间的转换关系。
（三）基于空间向量的机器人与靶标位姿标定
由于机器人世界坐标系与摄像机坐标系之间的关系不
能直接获得，通过靶标坐标系与机器人世界坐标系的关系和靶标坐标系与摄像机坐标系的关系来间接的建立机器人世
界坐标系与摄像机坐标系的关系[5]。
利用靶标上3个特征点的信息建立靶标坐标系，并利用靶标上的已知点的信息，采用空间几何知识，建立两个坐标系的空间变换矩阵，计算出靶标坐标系与机器人坐标系之间的变换方程。
（1）在机器人的末端安装有尖状工具，将机器人的末端坐标系移至尖状工具的尖点，建立机器人TCP工具坐标系。
（2）靶标坐标系的建立，需要以靶标上某一圆心位置作为靶标坐标系原点，将横排方向作为X方向，纵排方向作为Y方向，垂直于靶标板面的方向作为Z方向。
（3）通过机器人TCP工具坐标系逐一的触碰靶标上的3个特征点，通过空间几何变换的知识，计算出两个坐标系的变换矩阵。
（四）基于P3P空间点位姿求解
PnP问题是由Fischler于1981年提出的，其定义为给定空间n个特征点的相对位置关系和其与射影中心的角度，求取射影中心点到空间特征点的距离。
PnP可作为求解目标物体的位姿估计的方法。
我们在目标物体上定义若干个位置关系已知的点，将这些点的坐标作为特征信息。
摄像机通过采集这些点的特征信息，计算出特征点在摄像机坐标系中的位置坐标。
P3P方法通过摄像机采取空间已知的3个点的相对位置信息，求解出这3个空间点在不同坐标系中的位置坐标。
利用空间几何的知识，根据特征点在摄像机坐标系和工件坐标系中的位置坐标，求解两者的变换关系。
三、目标物体的识别与定位跟踪
（一）Hough变换检测直线
Hough变换是借助于直角坐标系向极坐标系转换的变换关系，将直角坐标系中的直线变换为极坐标系中的一个点，从而实现从整体到具备的问题简化[6]。
Hough变换的基本步骤如下：
（1）建立累加器数组，将图像空间的每个像素点的坐标值转化为极坐标，将相同的极坐标值进行累加。
（2）将累加器中的峰值点提取出来，这些峰值点对应于原始图像中的共线点；
（3）利用几何关系，求解出共线点坐标对应的直线方
程，实现直线的检测功能。
（二）Hough-链码法
Hough-链码法的基本思想是通过Hough-变换测量出目
标物体的边缘直线，建立直线方程，依据所建立的直线方程，计算出直线间的交点，并判断不同直线的交点是否为目标物体的形状的角点。
通过计算得到Hough-链码，将该链码与数据库中的模板链码进行匹配，实现工件的辨识功能[7]。
（三）目标物体的定位跟踪
摄像机采集到目标物体图像信息后，将图像进行平滑、二值化等一系列处理后，利用图像的几何不变矩特征求出区域的质心。
运动目标的跟踪，关键环节之一是描述目标的图像特征，同时，由于光照和其他外界环境等因素的影响，往往需要找出一种或多种特征对目标进行完整性的描述。
常采用的特征有轮廓、边缘、区域形状等外形特征以及颜色直方度、灰度共生矩阵以及各种不变矩等统计特征。
四、结论
本文对工业机器人视觉引导系统的位姿变换的标定技术，目标物体的识别与定位跟踪技术做了研究。
目前市场上主流的工业机器人大部分来自欧美等发达国家，国内对其核心技术掌握的还较少，研究工业机器人视觉引导关键技术，对其在我国的实际应用范围的推广有很大的推动作用。
参考文献
[1] 陈立松. 工业机器人视觉引导关键技术的研究[D].合肥工业大学，2013.
[2] 吕游. 视觉引导技术在工业机器人智能抓取中的应
用[D].合肥工业大学，2009.
[3] 周衍超. 基于视觉引导的机器人智能抓取技术研究
[D].广东工业大学，2015.
[4] 郭磊. 移动视觉精密测量关键技术研究[D].天津大学，2011.
[5] 许海霞. 机器视觉标定与目标检测跟踪方法及其应
用研究[D].湖南大学，2011.
[6] 张滋黎. 基于视觉引导的大尺度空间坐标测量方法
研究[D].天津大学，2010.
[7] 于凌涛，王正雨，于鹏，王涛，宋华建. 基于动态视觉引导的外科手术机器人器械臂运动方法[J]. 机器人，2013，02：162-170.。