基于视觉的门把手识别与姿态估计方法研究
| 摘要 | 第3-5页 |
| abstract | 第5-6页 |
| 1 绪论 | 第10-18页 |
| 1.1 课题研究背景及意义 | 第10-12页 |
| 1.2 国内外门把手识别及姿态技术研究发展现状 | 第12-14页 |
| 1.3 图像识别及姿态估计方法 | 第14-15页 |
| 1.4 论文的研究目的 | 第15页 |
| 1.5 论文主要研究内容及结构安排 | 第15-18页 |
| 2 基于视觉的门把手图像处理 | 第18-27页 |
| 2.1 引言 | 第18页 |
| 2.2 机器人系统简介 | 第18页 |
| 2.3 机器人视觉系统硬件构成 | 第18-21页 |
| 2.3.1 1394采集卡 | 第19-20页 |
| 2.3.2 BumblebeeBB2摄像机 | 第20-21页 |
| 2.4 图像采集 | 第21-22页 |
| 2.5 图像预处理 | 第22-26页 |
| 2.5.1 彩色图像灰度化 | 第22页 |
| 2.5.2 去噪声处理 | 第22-23页 |
| 2.5.3 图像二值化和形态学处理 | 第23-25页 |
| 2.5.4 图像大小归一化 | 第25-26页 |
| 2.6 本章小结 | 第26-27页 |
| 3 基于神经网络的门把手识别方法研究 | 第27-52页 |
| 3.1 神经网络模型 | 第27页 |
| 3.2 RBF神经网络结构及学习算法 | 第27-30页 |
| 3.2.1 RBF神经网络结构 | 第27-28页 |
| 3.2.2 RBF神经网络学习算法 | 第28-30页 |
| 3.3 BP神经网络结构及学习算法 | 第30-31页 |
| 3.3.1 BP神经网络结构 | 第30-31页 |
| 3.3.2 BP神经网络算法 | 第31页 |
| 3.4 RBF神经网络训练 | 第31-32页 |
| 3.5 RBF神经网络在图像识别中应用 | 第32-40页 |
| 3.5.1 样本特征参数选取 | 第33-35页 |
| 3.5.2 特征参数优化 | 第35-37页 |
| 3.5.3 训练样本和测试样本选择 | 第37-38页 |
| 3.5.4 RBF神经网络参数确定及建立 | 第38-40页 |
| 3.6 网络训练和测试结果分析 | 第40-41页 |
| 3.6.1 训练结果 | 第40页 |
| 3.6.2 测试结果分析 | 第40-41页 |
| 3.7 RBF神经网络和BP神经网络结果分析 | 第41-42页 |
| 3.8 工业环境下门把手识别结果分析 | 第42-51页 |
| 3.8.1 曝光环境下目标识别 | 第42-46页 |
| 3.8.2 复杂背景下目标识别 | 第46-49页 |
| 3.8.3 被遮挡情况下目标识别 | 第49-51页 |
| 3.9 本章小结 | 第51-52页 |
| 4 基于双目视觉的门把手姿态估计方法研究 | 第52-74页 |
| 4.1 引言 | 第52页 |
| 4.2 双目摄像机标定 | 第52-58页 |
| 4.2.1 摄像机成像模型 | 第52-53页 |
| 4.2.2 坐标系变换 | 第53-55页 |
| 4.2.3 摄像机镜头畸变 | 第55页 |
| 4.2.4 摄像机标定 | 第55-58页 |
| 4.3 SURF匹配算法研究 | 第58-65页 |
| 4.3.1 建立尺度空间 | 第58-60页 |
| 4.3.2 生成特征向量 | 第60页 |
| 4.3.3 特征匹配 | 第60-61页 |
| 4.3.4 极线约束 | 第61-63页 |
| 4.3.5 匹配结果分析 | 第63-65页 |
| 4.4 基于特征点的立体测距 | 第65-68页 |
| 4.4.1 双目视觉测距原理 | 第65-66页 |
| 4.4.2 基于双目测距结果分析 | 第66-68页 |
| 4.5 基于双目视觉的姿态估计 | 第68-73页 |
| 4.5.1 基于最小二乘法姿态估计 | 第68-71页 |
| 4.5.2 基于最小面积矩形的位姿估计 | 第71-73页 |
| 4.6 本章小结 | 第73-74页 |
| 5 仿真验证与分析 | 第74-79页 |
| 5.1 门把手识别结果 | 第74页 |
| 5.2 门把手位姿估计结果 | 第74-75页 |
| 5.3 位姿估计实验验证与分析 | 第75-78页 |
| 5.4 本章小结 | 第78-79页 |
| 6 结论 | 第79-82页 |
| 6.1 总结 | 第79页 |
| 6.2 结论 | 第79页 |
| 6.3 展望 | 第79-82页 |
| 参考文献 | 第82-85页 |
| 攻读硕士学位期间发表的论文 | 第85-86页 |
| 致谢 | 第86-89页 |
