基于视觉的移动机器人室外地形识别
| 摘要 | 第8-10页 |
| ABSTRACT | 第10-11页 |
| 第一章 绪论 | 第12-20页 |
| 1.1 研究背景与研究意义 | 第12-14页 |
| 1.2 地形识别研究现状 | 第14-17页 |
| 1.3 地形识别存在的主要问题 | 第17-18页 |
| 1.4 本文主要工作 | 第18-19页 |
| 1.5 章节安排 | 第19-20页 |
| 第二章 SDUterrain数据集的建立 | 第20-28页 |
| 2.1 数据集采集设备 | 第20-21页 |
| 2.1.1 Canon IXUS 175 | 第20-21页 |
| 2.1.2 Logitech Pro C920 | 第21页 |
| 2.2 SDUterrain数据集 | 第21-26页 |
| 2.2.1 典型地形样本 | 第21-24页 |
| 2.2.2 复杂情形地形样本 | 第24-26页 |
| 2.3 本章小结 | 第26-28页 |
| 第三章 地形识别中的场景分割 | 第28-44页 |
| 3.1 场景二维图像分割算法 | 第28-35页 |
| 3.1.1 分水岭算法 | 第29-32页 |
| 3.1.2 图论分割方法 | 第32-35页 |
| 3.2 复杂场景地形分割实验 | 第35-40页 |
| 3.2.1 基于分水岭算法的分割结果 | 第35-37页 |
| 3.2.2 基于图论方法的分割实验 | 第37-40页 |
| 3.3 图论与分水岭算法相结合的场景分割方案 | 第40-42页 |
| 3.4 本章小结 | 第42-44页 |
| 第四章 特征提取融合与地形识别 | 第44-72页 |
| 4.1 地形特征提取 | 第44-52页 |
| 4.1.1 颜色直方图特征 | 第44-46页 |
| 4.1.2 局部二值模式纹理特征 | 第46-47页 |
| 4.1.3 尺度不变特征变换描述子 | 第47-50页 |
| 4.1.4 颜色和边缘方向性描述符 | 第50-52页 |
| 4.2 分类器设计 | 第52-63页 |
| 4.2.1 极限学习机 | 第52-53页 |
| 4.2.2 地形识别ELM分类器参数调节分类实验 | 第53-63页 |
| 4.3 基于单一特征的地形识别分类实验及分析 | 第63-68页 |
| 4.4 基于融合特征的地形识别分类实验 | 第68-70页 |
| 4.5 本章小结 | 第70-72页 |
| 第五章 总结和展望 | 第72-74页 |
| 5.1 总结 | 第72-73页 |
| 5.2 展望 | 第73-74页 |
| 参考文献 | 第74-80页 |
| 致谢 | 第80-82页 |
| 攻读硕士学位期间的学术成果 | 第82-84页 |
| 学位论文评阅及答辩情况表 | 第84页 |
