| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第1章 绪论 | 第8-16页 |
| 1.1 问题的提出与研究意义 | 第8-10页 |
| 1.2 国内外研究现状 | 第10-13页 |
| 1.2.1 运动目标检测识别技术 | 第10-12页 |
| 1.2.2 运动目标跟踪方法 | 第12-13页 |
| 1.3 本文的主要内容与结构安排 | 第13-16页 |
| 1.3.1 研究目标 | 第13-14页 |
| 1.3.2 主要研究问题 | 第14页 |
| 1.3.3 章节安排 | 第14-16页 |
| 第2章 彩色运动目标的检测 | 第16-24页 |
| 2.1 引言 | 第16页 |
| 2.2 颜色空间的选取 | 第16-18页 |
| 2.3 图像的直方图均衡化和去噪 | 第18-21页 |
| 2.3.1 直方图均衡化克服光照影响 | 第18-19页 |
| 2.3.2 图像去噪 | 第19-21页 |
| 2.4 图像分割 | 第21-22页 |
| 2.5 形态学处理 | 第22-23页 |
| 2.6 跟踪目标的提取 | 第23页 |
| 2.7 本章小结 | 第23-24页 |
| 第3章 基于多传感器数据融合的跟踪目标定位 | 第24-34页 |
| 3.1 引言 | 第24页 |
| 3.2 适用于目标跟踪的传感器系统 | 第24-26页 |
| 3.2.1 单目视觉传感器 | 第24-25页 |
| 3.2.2 激光传感器 | 第25-26页 |
| 3.3 单目视觉测距算法 | 第26-28页 |
| 3.3.1 摄像机标定及其相关坐标系的转换 | 第26-27页 |
| 3.3.2 单目视觉测距 | 第27-28页 |
| 3.4 融合激光信息的目标定位 | 第28-30页 |
| 3.5 测距实验及其分析 | 第30-32页 |
| 3.6 本章小结 | 第32-34页 |
| 第4章 运动目标跟踪算法的研究 | 第34-46页 |
| 4.1 引言 | 第34页 |
| 4.2 MeanShift 算法 | 第34-37页 |
| 4.2.1 MeanShift 算法概述 | 第34页 |
| 4.2.2 MeanShift 算法原理 | 第34-37页 |
| 4.3 CamShift 算法 | 第37-40页 |
| 4.3.1 CamShift 算法概述 | 第37页 |
| 4.3.2 CamShift 算法的颜色特征提取 | 第37-38页 |
| 4.3.3 CamShift 算法的搜索过程 | 第38-39页 |
| 4.3.4 CamShift 算法流程 | 第39-40页 |
| 4.4 基于卡尔曼滤波的 CamShift 算法 | 第40-43页 |
| 4.4.1 卡尔曼滤波器原理 | 第40-41页 |
| 4.4.2 卡尔曼滤波器的实现 | 第41-42页 |
| 4.4.3 CamShift 算法与卡尔曼滤波相结合 | 第42-43页 |
| 4.5 实验结果及分析 | 第43-45页 |
| 4.6 本章小结 | 第45-46页 |
| 第5章 机器人跟踪系统的实现 | 第46-56页 |
| 5.1 引言 | 第46-47页 |
| 5.2 云台的控制策略 | 第47-52页 |
| 5.2.1 云台的介绍 | 第47页 |
| 5.2.2 云台算法流程 | 第47-48页 |
| 5.2.3 云台控制参数的计算 | 第48-50页 |
| 5.2.4 云台控制策略 | 第50页 |
| 5.2.5 云台实验结果 | 第50-52页 |
| 5.3 移动机器人的综合控制 | 第52-55页 |
| 5.3.1 系统硬件平台 | 第52页 |
| 5.3.2 系统软件平台 | 第52-53页 |
| 5.3.3 系统综合跟踪控制 | 第53-55页 |
| 5.4 本章小结 | 第55-56页 |
| 第6章 全文总结 | 第56-58页 |
| 6.1 全文工作总结 | 第56页 |
| 6.2 需要进一步解决的问题 | 第56-58页 |
| 参考文献 | 第58-62页 |
| 作者简介 | 第62-63页 |
| 致谢 | 第63页 |