1. 毕业设计（论文）主要内容：

针对自动化拆卸过程中典型零部件识别问题，研究基于 Kinect 深度图像和点云特征的典型零部件识别方法。研究一种八邻域深度差（8N-DD）点云边缘提取算法，算法首先对优化后的点云数据利用八邻域深度差算法进行点云边缘提取，然后对提取的点云边缘进行分割，最后，通过 RANSAC 算法对分割后的点云进行特征判别以识别零部件。通过仿真实验验证所研究方法可以快速对典型零部件进行识别。

2. 毕业设计（论文）主要任务及要求

（1）查阅相关文献资料15篇以上（其中近5年外文文献不少于3篇)，了解本研究领域的基本理论、关键技术与研究现状。

（2）完成开题报告。

（3）针对自动化拆卸的零部件识别与定位问题，基于 kinect 深度图像和点云特征的典型零部件识别方法；针对典型零部件，对kinect 传感器获取的图像进行仿真实验与处理，验证方法的有效性。

3. 毕业设计（论文）完成任务的计划与安排

第1周—第4周：查阅相关文献资料，明确研究内容，了解研究所需。确定方案，完成开题报告；

第5周—第8周：完成主要研究工作，撰写论文初稿；

第9周—第12周：完成主要研究工作的实验与分析；撰写论文；

4. 主要参考文献

[1] s. vongbunyong, s. kara, m. pagnuccobasic behaviour control of the vision-based cognitive robotic disassembly automation assem autom, 33 (1) (2013), pp. 38-56

[2] supachai vongbunyong, sami kara, maurice pagnucco, learning and revision in cognitive robotics disassembly automation, robotics and computer-integrated manufacturing, volume 34, august 2015, pages 79-94

[3] supachai vongbunyong, sami kara, maurice pagnucco, application of cognitive robotics in disassembly of products, cirp annals, volume 62, issue 1, 2013, pages 31-34