足球机器人视觉系统的研究
| 摘要 | 第1-4页 |
| Abstract | 第4-10页 |
| 第一章 绪论 | 第10-19页 |
| ·课题的来源及意义 | 第10-13页 |
| ·课题来源 | 第10页 |
| ·足球机器人的研究目的和意义 | 第10-13页 |
| ·国内外的研究现状 | 第13-18页 |
| ·国外现状 | 第13-15页 |
| ·国内现状 | 第15-18页 |
| ·本文的主要研究内容 | 第18-19页 |
| 第二章 足球机器人视觉子系统工作原理 | 第19-28页 |
| ·足球机器人视觉系统 | 第20-24页 |
| ·机器视觉的发展 | 第20-21页 |
| ·足球机器人视觉系统的构成 | 第21-22页 |
| ·足球机器人视觉子系统工作原理及关键技术 | 第22-24页 |
| ·足球机器人视觉系统关键技术 | 第24-26页 |
| ·图像输入 | 第24页 |
| ·图像预处理 | 第24-25页 |
| ·初始人机交互操作 | 第25页 |
| ·特征提取与图像分割 | 第25-26页 |
| ·结果输出 | 第26页 |
| ·色标的设计 | 第26-27页 |
| ·本章小结 | 第27-28页 |
| 第三章 足球机器人摄像机的标定 | 第28-35页 |
| ·CCD 摄像头的标定模型 | 第28-31页 |
| ·基于神经网络的摄像机标定 | 第31-34页 |
| ·神经网络结构的设计 | 第32-34页 |
| ·算法实现 | 第34页 |
| ·本章结论 | 第34-35页 |
| 第四章图像预处理 | 第35-43页 |
| ·图像数值化 | 第35-36页 |
| ·图像压缩 | 第36-38页 |
| ·神经网络图像压缩原理 | 第37-38页 |
| ·训练算法 | 第38页 |
| ·图像矫正 | 第38-42页 |
| ·神经网络模型的建立 | 第38-40页 |
| ·算法实现步骤 | 第40-41页 |
| ·图像矫正结果 | 第41-42页 |
| ·本章结论 | 第42-43页 |
| 第五章 图像分割 | 第43-53页 |
| ·颜色空间及其相互转换 | 第43-47页 |
| ·RGB 颜色模型 | 第43-44页 |
| ·HIS 模型 | 第44-45页 |
| ·RGB 颜色模型与 HIS 模型的转换 | 第45-47页 |
| ·图像分割 | 第47-49页 |
| ·基于神经网络的图像分割 | 第49-52页 |
| ·基于神经网络的聚类 | 第49-51页 |
| ·竞争层节点的自适应聚类分析 | 第51页 |
| ·图像分割的实现 | 第51-52页 |
| ·试验结果及分析 | 第52页 |
| ·目标识别 | 第52页 |
| ·本章总结 | 第52-53页 |
| 第六章 足球机器人色标设计及小球中心位置的确定 | 第53-67页 |
| ·色标的选择 | 第55-56页 |
| ·足球机器人位姿的判定与跟踪 | 第56-60页 |
| ·队标中心的确定 | 第56-57页 |
| ·队员色标中心的确定 | 第57-58页 |
| ·机器人角度的求取 | 第58-60页 |
| ·目标球的中心内位置确定 | 第60-63页 |
| ·目标球中心位置模型 | 第60-62页 |
| ·基于 LVQ 神经网络的目标球中心位置求解方法 | 第62-63页 |
| ·机器人足球的目标识别 | 第63-66页 |
| ·实例结论 | 第66页 |
| ·本章小结 | 第66-67页 |
| 第七章 视觉子系统软件设计与实验 | 第67-73页 |
| ·软件开发环境 | 第67页 |
| ·视觉系统的软件设计框架 | 第67-71页 |
| ·视觉系统软件界面设计与实现 | 第71-73页 |
| 结论 | 第73-74页 |
| 参考文献 | 第74-80页 |
| 作者在攻读硕士期间科研成果 | 第80-82页 |
| 致谢 | 第82页 |
