基于机器视觉的棉花图像分割与定位技术研究
| 中文摘要 | 第3-5页 |
| 英文摘要 | 第5-6页 |
| 1 绪论 | 第9-17页 |
| 1.1 选题背景及研究意义 | 第9-10页 |
| 1.2 课题的国内外研究现状 | 第10-14页 |
| 1.2.1 国内外采棉机械的发展现状 | 第10-11页 |
| 1.2.2 国内外农业采摘机器人的发展现状 | 第11-12页 |
| 1.2.3 国内外相关视觉技术的研究现状 | 第12-14页 |
| 1.3 本论文的主要研究内容 | 第14-17页 |
| 2 自然场景下棉花分割算法的研究 | 第17-35页 |
| 2.1 引言 | 第17页 |
| 2.2 颜色空间 | 第17-19页 |
| 2.2.1 RGB颜色空间 | 第17页 |
| 2.2.2 HSV颜色空间 | 第17-18页 |
| 2.2.3 OHTA颜色空间 | 第18-19页 |
| 2.3 基于Otsu算法的图像自适应阈值分割 | 第19-21页 |
| 2.3.1 基本理论 | 第19-20页 |
| 2.3.2 阈值分割策略 | 第20-21页 |
| 2.4 基于机器学习的图像分割算法 | 第21-25页 |
| 2.4.1 改进的BP神经网络算法 | 第21-23页 |
| 2.4.2 极限学习机 | 第23-24页 |
| 2.4.3 基于机器学习的网络模型 | 第24-25页 |
| 2.5 实验结果与分析 | 第25-33页 |
| 2.5.1 自然环境下的棉花图像分析 | 第25-26页 |
| 2.5.2 阈值分割算法 | 第26-29页 |
| 2.5.3 基于机器学习的分割算法 | 第29-33页 |
| 2.6 本章小结 | 第33-35页 |
| 3 棉花的定位系统 | 第35-63页 |
| 3.1 引言 | 第35页 |
| 3.2 机器视觉定位系统 | 第35-36页 |
| 3.3 双目视觉定位系统 | 第36-62页 |
| 3.3.1 双目视觉系统的测量模型 | 第36-39页 |
| 3.3.2 双目视觉系统的相机标定介绍 | 第39-40页 |
| 3.3.3 本文采用的相机标定方法 | 第40-45页 |
| 3.3.4 相机标定过程 | 第45-51页 |
| 3.3.5 双目视觉系统的立体匹配 | 第51-57页 |
| 3.3.6 基于棉花分割信息的区域匹配 | 第57-60页 |
| 3.3.7 定位系统的结果分析 | 第60-62页 |
| 3.4 本章小结 | 第62-63页 |
| 4 双目视觉系统的误差分析与补偿 | 第63-77页 |
| 4.1 引言 | 第63页 |
| 4.2 双目视觉系统的误差分析 | 第63-68页 |
| 4.2.1 图像采集的误差分析 | 第63页 |
| 4.2.2 相机标定的误差分析 | 第63-64页 |
| 4.2.3 立体匹配的误差分析 | 第64-66页 |
| 4.2.4 双目视觉系统误差模型的建立 | 第66-68页 |
| 4.3 双目视觉系统的误差补偿 | 第68-75页 |
| 4.3.1 基于BP神经网络模型的误差补偿 | 第68-70页 |
| 4.3.2 实验设计与结果 | 第70-75页 |
| 4.4 本章小结 | 第75-77页 |
| 5 总结与展望 | 第77-79页 |
| 5.1 总结 | 第77页 |
| 5.2 展望 | 第77-79页 |
| 致谢 | 第79-81页 |
| 参考文献 | 第81-87页 |
| 附录 | 第87页 |
| A.攻读硕士学位期间论文成果 | 第87页 |
| B.攻读学位期间参与的项目 | 第87页 |
