基于移动机器人的巡逻警戒系统的实现
| 摘要 | 第3-4页 |
| ABSTRACT | 第4页 |
| 第1章 绪论 | 第8-12页 |
| 1.1 课题研究背景及意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-10页 |
| 1.3 本文主要工作内容 | 第10-12页 |
| 第2章 智能小车系统平台 | 第12-25页 |
| 2.1 系统需求与框架 | 第12-15页 |
| 2.1.1 系统软硬件需求 | 第12-13页 |
| 2.1.2 系统实现框架 | 第13-15页 |
| 2.2 Linux 开发平台的搭建 | 第15-20页 |
| 2.2.1 Linux 系统平台 | 第15-17页 |
| 2.2.2 交叉编译环境的搭建 | 第17-18页 |
| 2.2.3 TFTP 烧写环境的搭建 | 第18-19页 |
| 2.2.4 NFS 工具的配置 | 第19-20页 |
| 2.3 OpenCV 开发工具的配置 | 第20-23页 |
| 2.3.1 OpenCV 视觉库 | 第20-21页 |
| 2.3.2 Ubuntu 平台下的搭建与配置 | 第21-23页 |
| 2.4 开发板的引导 | 第23-25页 |
| 2.4.1 Uboot 引导程序 | 第23-24页 |
| 2.4.2 开发板引导过程 | 第24-25页 |
| 第3章 系统驱动设计 | 第25-38页 |
| 3.1 ARM 及 Linux 中断机制 | 第25-31页 |
| 3.2 设备驱动程序 | 第31-32页 |
| 3.3 外部中断的改写 | 第32-34页 |
| 3.4 红外遥控驱动设计 | 第34-35页 |
| 3.5 物理信息采集驱动设计 | 第35-37页 |
| 3.6 电机模块驱动设计 | 第37-38页 |
| 第4章 目标人物检测 | 第38-52页 |
| 4.1 目标检测过程 | 第38页 |
| 4.2 目标分离 | 第38-44页 |
| 4.2.1 帧间差分法 | 第39-40页 |
| 4.2.2 背景差分法 | 第40-41页 |
| 4.2.3 光流法 | 第41-42页 |
| 4.2.4 基于差分法的改进 | 第42-44页 |
| 4.3 目标区域连通 | 第44-46页 |
| 4.3.1 常见的方法 | 第44-45页 |
| 4.3.2 凸包连接算法 | 第45-46页 |
| 4.4 目标对象识别 | 第46-49页 |
| 4.4.1 基于几何特征的识别 | 第46-47页 |
| 4.4.2 基于统计分类的识别 | 第47-48页 |
| 4.4.3 Hog 特征法 | 第48-49页 |
| 4.5 目标跟踪 | 第49-52页 |
| 4.5.1 基于图像匹配的跟踪 | 第49-50页 |
| 4.5.2 基于 CamShift 的改进 | 第50-52页 |
| 第5章 机器人的跟踪监控 | 第52-58页 |
| 5.1 运动策略的设计 | 第52-55页 |
| 5.1.1 模糊控制法 | 第52-53页 |
| 5.1.2 巡逻时的运动策略 | 第53-55页 |
| 5.1.3 跟踪时的运动策略 | 第55页 |
| 5.2 远程视频传输 | 第55-58页 |
| 第6章 实验结果测试 | 第58-63页 |
| 6.1 普通的差分法 | 第58-59页 |
| 6.2 加入统计建模及更新的差分法 | 第59-60页 |
| 6.3 本文的差分法 | 第60-61页 |
| 6.4 本文的图像人体跟踪效果 | 第61页 |
| 6.5 巡逻效果 | 第61-62页 |
| 6.6 跟踪效果 | 第62-63页 |
| 第7章 结论 | 第63-65页 |
| 7.1 结论 | 第63页 |
| 7.2 进一步的工作方向 | 第63-65页 |
| 致谢 | 第65-66页 |
| 参考文献 | 第66-68页 |
