| 摘要 | 第1-10页 |
| ABSTRACT | 第10-12页 |
| 第一章 绪论 | 第12-24页 |
| ·研究背景与意义 | 第12-13页 |
| ·基于视觉信息的目标识别算法研究现状 | 第13-20页 |
| ·基于模型或几何的目标识别算法 | 第14-15页 |
| ·基于外观或视图的目标识别算法 | 第15-16页 |
| ·基于局部特征的目标识别算法 | 第16-19页 |
| ·基于深度图像的三维物体识别算法 | 第19-20页 |
| ·基于视觉信息的目标识别算法存在的问题 | 第20-21页 |
| ·本文主要工作 | 第21-22页 |
| ·章节安排 | 第22-24页 |
| 第二章 基于颜色特征的目标识别与定位算法 | 第24-42页 |
| ·常用的全局特征及特征提取方法 | 第24-26页 |
| ·颜色特征 | 第24-25页 |
| ·纹理特征 | 第25页 |
| ·形状特征 | 第25-26页 |
| ·基于颜色特征的目标识别算法 | 第26-31页 |
| ·彩色模型选择 | 第26-28页 |
| ·改进的彩色图像分割算法 | 第28-31页 |
| ·摄像机成像模型 | 第31-34页 |
| ·坐标系定义及转换关系 | 第31-33页 |
| ·摄像机的针孔成像模型 | 第33-34页 |
| ·基于地平面约束的单目视觉测距法 | 第34-37页 |
| ·单目视觉测距常用方法 | 第34-35页 |
| ·地平面约束的测距模型 | 第35-37页 |
| ·实验结果与分析 | 第37-40页 |
| ·目标识别结果与分析 | 第38-40页 |
| ·地平面约束测距实验结果与分析 | 第40页 |
| ·本章小结 | 第40-42页 |
| 第三章 基于ORB特征的目标识别算法及实现 | 第42-68页 |
| ·Harris角点检测算法 | 第43-45页 |
| ·SURF特征提取算法 | 第45-51页 |
| ·基于Hessian矩阵的兴趣点检测 | 第45-48页 |
| ·SURF特征描述子的生成 | 第48-51页 |
| ·基于ORB特征的目标识别算法 | 第51-60页 |
| ·具有方向的FAST兴趣点检测(oFast) | 第51-53页 |
| ·具有旋转不变的BRIEF兴趣点描述子(rBRIEF) | 第53-56页 |
| ·二进制准则的空间分布选择 | 第56页 |
| ·ORB特征向量的匹配 | 第56-58页 |
| ·模式识别 | 第58-60页 |
| ·实验结果与分析 | 第60-67页 |
| ·特征匹配性能评估 | 第60-61页 |
| ·特征匹配实验效果 | 第61-64页 |
| ·目标识别实验效果 | 第64-67页 |
| ·本章小结 | 第67-68页 |
| 第四章 改进的基于主导梯度方向模板匹配的目标识别算法 | 第68-84页 |
| ·聚类分析方法 | 第69-70页 |
| ·改进的基于主导梯度方向匹配的目标识别算法详述 | 第70-78页 |
| ·模板梯度特征计算方法 | 第70-71页 |
| ·相似性度量 | 第71页 |
| ·微小变形不变性 | 第71-72页 |
| ·微小平移不变性 | 第72-74页 |
| ·多视角模板生成 | 第74-76页 |
| ·二进制位表示法高效匹配 | 第76-78页 |
| ·使用分支界定法完成有效聚类 | 第78页 |
| ·实验结果与分析 | 第78-82页 |
| ·物体识别率 | 第78-81页 |
| ·程序速度 | 第81-82页 |
| ·本章小结 | 第82-84页 |
| 第五章 总结和展望 | 第84-86页 |
| ·全文总结 | 第84-85页 |
| ·展望 | 第85-86页 |
| 参考文献 | 第86-94页 |
| 致谢 | 第94-96页 |
| 学位论文评阅及答辩情况表 | 第96页 |