摘要 | 第4-5页 |
abstract | 第5-6页 |
第一章 绪论 | 第9-16页 |
1.1 课题研究的背景及意义 | 第9-10页 |
1.2 双目立体视觉的研究现状 | 第10-14页 |
1.2.1 国外的研究现状 | 第11-12页 |
1.2.2 国内的研究现状 | 第12-14页 |
1.3 课题的研究内容及结构安排 | 第14-16页 |
1.3.1 课题的研究内容及目的 | 第14-15页 |
1.3.2 论文的结构安排 | 第15-16页 |
第二章 乒乓球运动及三目视觉系统数学建模 | 第16-37页 |
2.1 引言 | 第16页 |
2.2 摄像机标定坐标系 | 第16-19页 |
2.3 摄像机标定 | 第19-24页 |
2.3.1 摄像机成像模型 | 第20-21页 |
2.3.2 摄像机标定原理 | 第21页 |
2.3.3 改进的平面靶标标定法 | 第21-24页 |
2.4 乒乓球三目视觉成像和轨迹重建原理 | 第24-26页 |
2.5 乒乓球运动数学建模 | 第26-35页 |
2.5.1 无旋球的受力分析和运动模型 | 第26-27页 |
2.5.2 旋转球的马格努斯力受力分析 | 第27-32页 |
2.5.3 乒乓球的旋转变换模型 | 第32-35页 |
2.6 本章小结 | 第35-37页 |
第三章 基于改进的Mean-Shift乒乓球轨迹跟踪算法 | 第37-57页 |
3.1 引言 | 第37页 |
3.2 运动目标检测算法 | 第37-40页 |
3.2.1 差分法 | 第37-38页 |
3.2.2 背景建模法 | 第38-39页 |
3.2.3 光流法 | 第39-40页 |
3.3 目标跟踪算法分类及性能评估 | 第40-43页 |
3.3.1 目标跟踪算法分类 | 第40-41页 |
3.3.2 目标跟踪算法性能评估 | 第41-43页 |
3.4 融合运动信息和预测机制的改进Mean-Shift目标跟踪算法 | 第43-51页 |
3.4.1 Mean-Shift目标跟踪算法理论基础及模型分析 | 第43-46页 |
3.4.2 背景加权和目标加权 | 第46页 |
3.4.3 融合运动信息的目标模板提取与更新 | 第46-48页 |
3.4.4 改进的Kalman预测算法 | 第48-50页 |
3.4.5 融合运动信息和预测机制的改进Mean-Shift目标跟踪算法步骤 | 第50-51页 |
3.5 改进算法和Mean-Shift算法的乒乓球跟踪对比实验 | 第51-56页 |
3.6 本章小结 | 第56-57页 |
第四章 实验与结果分析 | 第57-69页 |
4.1 引言 | 第57页 |
4.2 实验环境及流程 | 第57-58页 |
4.3 三目视觉摄像机标定及实验分析 | 第58-61页 |
4.4 乒乓球质心轨迹和旋转轨迹重建实验及实验分析 | 第61-68页 |
4.5 本章小结 | 第68-69页 |
总结与展望 | 第69-71页 |
参考文献 | 第71-75页 |
攻读学位期间取得的研究成果 | 第75-76页 |
致谢 | 第76页 |