首页--经济论文--经济计划与管理论文--物资经济论文--物资流通论文

基于双目视觉的自动卸货系统

摘要第3-4页
abstract第4页
第1章 绪论第8-12页
    1.1 课题研究背景和意义第8-9页
    1.2 国内外研究现状第9-10页
    1.3 论文结构及内容安排第10-12页
第2章 基于双目视觉的自动卸货系统总体设计第12-18页
    2.1 系统总体设计第12-13页
        2.1.1 系统设计要求第12页
        2.1.2 系统工作流程及开发流程第12-13页
    2.2 硬件设计第13-17页
        2.2.1 双目摄像头模块第14-15页
        2.2.2 机械臂模块第15页
        2.2.3 Xilinx ZYBO~(TM)开发板第15-17页
    2.3 软件设计第17页
    2.4 本章小结第17-18页
第3章 双目成像理论及摄像头标定第18-32页
    3.1 摄像头的成像模型第18-21页
    3.2 双目成像系统第21-23页
    3.3 摄像头标定第23-31页
        3.3.1 单目摄像头标定第23-29页
        3.3.2 立体标定第29-31页
    3.4 本章小结第31-32页
第4章 基于局部特征的多目标识别算法第32-44页
    4.1 算法原理及步骤介绍第32-40页
        4.1.1 预处理第32-34页
        4.1.2 深度信息提取第34-35页
        4.1.3 基于深度信息的目标区域细化第35页
        4.1.4 局部特征提取及多模板匹配第35-37页
        4.1.5 Mean Shift聚类分割第37-38页
        4.1.6 算法整体步骤第38-40页
    4.2 实验及结果分析第40-43页
        4.2.1 局部特征提取及匹配结果分析第40-41页
        4.2.2 分割结果分析第41-42页
        4.2.3 时间复杂度及实时性分析第42-43页
    4.3 本章小结第43-44页
第5章 基于全卷积网络的多目标识别算法及其硬件加速第44-66页
    5.1 全卷积网络第44-49页
        5.1.1 卷积层第44-46页
        5.1.2 池化层第46-48页
        5.1.3 反卷积层第48页
        5.1.4 跳跃结构第48-49页
    5.2 基于卷积神经网络框架的FCN算法实现第49-54页
        5.2.1 训练集制作及训练第50-51页
        5.2.2 训练结果分析第51-54页
    5.3 FCN算法的硬件加速第54-65页
        5.3.1 FCN算法硬件架构第54-55页
        5.3.2 AXI4转APB模块第55-56页
        5.3.3 直接内存存取模块第56-57页
        5.3.4 反卷积模块第57-63页
        5.3.5 性能评估第63-65页
    5.4 本章小结第65-66页
第6章 系统整体调试与性能分析第66-70页
    6.1 系统整体调试第66-68页
    6.2 性能分析第68-69页
    6.3 本章小结第69-70页
第7章 总结与展望第70-72页
    7.1 总结第70-71页
    7.2 展望第71-72页
参考文献第72-76页
发表论文和参加科研情况说明第76-78页
致谢第78页

论文共78页,点击 下载论文
上一篇:《雄起吧,勇士》翻译报告
下一篇:边缘中心化:《花鼓歌》中“他者”的自我认同及身份建立