基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
旨在对机器人视觉系统获取螺母的深度图数据进行处理,分割背景和螺母进而确定螺母的数目,考虑到工件实际生产过程中的各种不稳定因素,螺母的摆放不一定都标准相接平放,可能出现相互叠放的情况.为了解决因这种情况而采集的深度图数据出现异常的问题,首先对原始数据进行了必要的预处理操作,应用K-means聚类算法对原始数据进行不断的迭代聚类[1],最终成功分离出上层螺母相关离散点数据.然后,利用最小二乘法对螺母中心位置进行逐个拟合,最终得到各个螺母的拟合中心坐标.
推荐文章
K-means聚类算法的研究
数据挖掘
K-means算法
初始聚类中心
聚类分析
基于变异的k-means聚类算法
聚类
mk-means算法
变异
基于深度信念网络的K-means聚类算法研究
K-means算法
深度信念网络
受限玻尔兹曼机
高维数据
聚类分析
FCM算法
基于聚类中心优化的k-means最佳聚类数确定方法
k-means聚类
初始聚类中心
样本密度
聚类数
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于K-means聚类的叠放螺母的定位研究
来源期刊 技术与市场 学科
关键词 机器人 视觉系统 聚类的叠放 螺母
年,卷(期) 2017,(12) 所属期刊栏目 技术研发
研究方向 页码范围 194
页数 1页 分类号
字数 478字 语种 中文
DOI 10.3969/j.issn.1006-8554.2017.11.111
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 刘琦 16 9 2.0 2.0
2 陈佳涛 1 2 1.0 1.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (2)
节点文献
引证文献  (2)
同被引文献  (7)
二级引证文献  (0)
2007(1)
  • 参考文献(1)
  • 二级参考文献(0)
2012(1)
  • 参考文献(1)
  • 二级参考文献(0)
2017(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2019(1)
  • 引证文献(1)
  • 二级引证文献(0)
2020(1)
  • 引证文献(1)
  • 二级引证文献(0)
研究主题发展历程
节点文献
机器人
视觉系统
聚类的叠放
螺母
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
技术与市场
月刊
1006-8554
51-1450/T
大16开
四川省成都市
62-125
1980
chi
出版文献量(篇)
29073
总下载数(次)
69
论文1v1指导