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 |