基于双目视觉移动机器人目标的检测与定位
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 课题研究的背景和意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.2.1 双目立体视觉研究现状 | 第10-11页 |
| 1.2.2 移动机器人定位的研究现状 | 第11-12页 |
| 1.3 移动机器人定位难点及发展趋势 | 第12-13页 |
| 1.4 本文研究的主要内容 | 第13-15页 |
| 第2章 移动机器人双目立体视觉系统 | 第15-23页 |
| 2.1 旅行家II号机器人 | 第15-16页 |
| 2.2 Bumblebee2双目摄像机 | 第16-17页 |
| 2.3 双目立体视觉系统 | 第17-22页 |
| 2.3.1 双目立体视觉的研究内容 | 第17-18页 |
| 2.3.2 双目立体视觉的测量原理 | 第18-19页 |
| 2.3.3 常用坐标系及相互转换 | 第19-22页 |
| 2.4 本章小结 | 第22-23页 |
| 第3章 基于双目立体视觉移动机器人目标检测 | 第23-32页 |
| 3.1 人工路标检测 | 第23-28页 |
| 3.1.1 色彩空间 | 第23-25页 |
| 3.1.2 形态学处理 | 第25页 |
| 3.1.3 连通区域标记 | 第25-26页 |
| 3.1.4 图像分割 | 第26-27页 |
| 3.1.5 人工路标提取结果 | 第27-28页 |
| 3.2 动态目标检测 | 第28-31页 |
| 3.2.1 帧间差分法 | 第29-30页 |
| 3.2.2 帧间差分法检测结果 | 第30-31页 |
| 3.3 本章小结 | 第31-32页 |
| 第4章 基于改进SIFT算子的图像特征提取 | 第32-41页 |
| 4.1 基于灰度的角点检测算法 | 第32-34页 |
| 4.1.1 Moravec算子 | 第32-33页 |
| 4.1.2 Harris算子 | 第33-34页 |
| 4.2 SIFT算法 | 第34-35页 |
| 4.3 改进SIFT算法 | 第35-40页 |
| 4.3.1 构建尺度空间 | 第35-38页 |
| 4.3.2 尺度空间局部极值点检测 | 第38-39页 |
| 4.3.3 特征点的精确定位 | 第39-40页 |
| 4.4 本章小结 | 第40-41页 |
| 第5章 特征点立体匹配及目标定位 | 第41-55页 |
| 5.1 图像匹配中的常用方法 | 第41-44页 |
| 5.1.1 基于图像灰度的区域匹配方法 | 第42-43页 |
| 5.1.2 基于特征的匹配算法 | 第43页 |
| 5.1.3 基于相位的匹配算法 | 第43-44页 |
| 5.2 基于改进SIFT特征向量的匹配 | 第44-49页 |
| 5.2.1 确定每个特征点的主方向 | 第44-45页 |
| 5.2.2 改进SIFT描述向量的生成 | 第45-47页 |
| 5.2.3 特征点匹配结果 | 第47-49页 |
| 5.3 基于双目立体视觉的目标定位 | 第49-53页 |
| 5.3.1 移动机器人实现自定位 | 第49-51页 |
| 5.3.2 移动机器人对运动目标定位 | 第51-53页 |
| 5.4 本章小结 | 第53-55页 |
| 第6章 结论 | 第55-57页 |
| 参考文献 | 第57-60页 |
| 在学研究成果 | 第60-61页 |
| 致谢 | 第61页 |
