| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第10-22页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-19页 |
| 1.2.1 植株特征检测技术研究现状 | 第11-16页 |
| 1.2.2 Kinect图像处理和数据修复研究现状 | 第16-17页 |
| 1.2.3 植株三维特征检测技术的研究现状 | 第17-19页 |
| 1.3 研究主要内容 | 第19-20页 |
| 1.4 研究路线与组织结构 | 第20-22页 |
| 第二章 基于Kinect的植株颜色图像和深度图像获取 | 第22-33页 |
| 2.1 Kinect传感器技术介绍 | 第22-27页 |
| 2.1.1 Kinect组成结构 | 第22-24页 |
| 2.1.2 Kinect工作原理 | 第24-26页 |
| 2.1.3 Kinect彩色和深度图像 | 第26-27页 |
| 2.2 图像数据获取平台设计 | 第27-31页 |
| 2.2.1 静态图像获取平台 | 第27-29页 |
| 2.2.2 动态模拟车载植株检测平台 | 第29-31页 |
| 2.3 本章小结 | 第31-33页 |
| 第三章 植株图像数据处理和特征检测 | 第33-44页 |
| 3.1 基于彩色图像的深度数据预处理 | 第33-36页 |
| 3.1.1 彩色图像RGB分割与处理 | 第33-34页 |
| 3.1.2 K-means聚类算法 | 第34-35页 |
| 3.1.3 深度数据预处理 | 第35-36页 |
| 3.2 基于K近邻算法的深度数据修复 | 第36-38页 |
| 3.2.1 Kinect深度数据图像分析 | 第36页 |
| 3.2.2 K近邻算法的深度数据修复 | 第36-38页 |
| 3.3 植株数据处理分析和检测效果 | 第38-42页 |
| 3.3.1 彩色图像处理试验 | 第38-40页 |
| 3.3.2 深度图像数据处理 | 第40-41页 |
| 3.3.3 植株彩色和深度图像检测 | 第41-42页 |
| 3.4 本章小结 | 第42-44页 |
| 第四章 Kinect传感器的植株图像动态检测 | 第44-53页 |
| 4.1 动态图像获取 | 第44-46页 |
| 4.1.1 模拟车载速度与帧速的选取 | 第44-45页 |
| 4.1.2 速度与图像获取关系 | 第45-46页 |
| 4.2 动态图像获取和深度数据处理 | 第46-49页 |
| 4.2.1 动态图像获取 | 第46-48页 |
| 4.2.2 深度数据处理 | 第48-49页 |
| 4.3 植株图像动态检测效果 | 第49-51页 |
| 4.3.1 动态图像获取效果与速度的关联性 | 第49-50页 |
| 4.3.2 动态图像检测效果 | 第50-51页 |
| 4.4 本章小结 | 第51-53页 |
| 第五章 植株冠层三维数据测量 | 第53-61页 |
| 5.1 三维冠层数据测量 | 第53-57页 |
| 5.1.1 植株树木深度距离测量 | 第53-56页 |
| 5.1.2 植株树木冠层水平投影面积 | 第56-57页 |
| 5.2 数据准确性分析 | 第57-60页 |
| 5.2.1 纸箱特征检测数据准确性 | 第57-59页 |
| 5.2.2 植株特征检测数据准确性 | 第59-60页 |
| 5.3 本章小结 | 第60-61页 |
| 第六章 总结与展望 | 第61-64页 |
| 6.1 总结 | 第61-62页 |
| 6.2 创新点 | 第62-63页 |
| 6.3 展望 | 第63-64页 |
| 参考文献 | 第64-69页 |
| 致谢 | 第69-70页 |
| 攻读硕士期间发表的论文及申请的专利 | 第70页 |