基于图像识别技术的机器人路径规划研究与实现
| 中文摘要 | 第1-4页 |
| Abstract | 第4-6页 |
| 目录 | 第6-8页 |
| 第1章 引言 | 第8-13页 |
| ·课题研究背景及意义 | 第8-9页 |
| ·相关技术的国内外研究现状 | 第9-11页 |
| ·图像识别技术的研究现状 | 第9页 |
| ·机器人路径规划的研究现状 | 第9-11页 |
| ·研究内容及章节安排 | 第11-12页 |
| ·课题研究内容 | 第11页 |
| ·论文章节安排 | 第11-12页 |
| ·本章小结 | 第12-13页 |
| 第2章 图像识别技术基础 | 第13-20页 |
| ·图像识别基本原理和方法 | 第13-14页 |
| ·图像识别的概念 | 第13页 |
| ·图像识别系统组成 | 第13-14页 |
| ·图像预处理阶段 | 第14-17页 |
| ·图像预处理介绍 | 第14页 |
| ·图像增强介绍 | 第14-15页 |
| ·基于小波变换的图像去噪 | 第15-16页 |
| ·小波阈值去噪 | 第16-17页 |
| ·图像特征提取 | 第17-18页 |
| ·图像边缘检测 | 第18-19页 |
| ·本章小结 | 第19-20页 |
| 第3章 图像识别系统的实现 | 第20-32页 |
| ·基础理论介绍 | 第20页 |
| ·图像处理 | 第20-25页 |
| ·图像信息采集 | 第20-21页 |
| ·图像增强实现 | 第21-22页 |
| ·图像阈值去噪 | 第22-23页 |
| ·Canny 边缘提取 | 第23-25页 |
| ·图像分类判别实现 | 第25-31页 |
| ·近邻准则 | 第25-26页 |
| ·基于类中心的欧氏距离法分类 | 第26-27页 |
| ·最小距离准则算法 | 第27-28页 |
| ·算法实现过程 | 第28-31页 |
| ·本章小结 | 第31-32页 |
| 第4章 路径规划模块的研究与实现 | 第32-41页 |
| ·智能机器人路径规划理论介绍 | 第32-34页 |
| ·全局路径规划 | 第32-33页 |
| ·局部路径规划 | 第33-34页 |
| ·动态规划算法 | 第34-35页 |
| ·动态规划基本概念 | 第34-35页 |
| ·动态规划算法的实现 | 第35页 |
| ·仿真结果 | 第35-40页 |
| ·本章小结 | 第40-41页 |
| 第5章 总结与展望 | 第41-42页 |
| ·本文工作总结 | 第41页 |
| ·课题研究与工作展望 | 第41-42页 |
| 参考文献 | 第42-45页 |
| 致谢 | 第45-46页 |
| 个人简历及在学期间的研究成果和发表的学术论文 | 第46-47页 |
| 附录 A 程式代码 | 第47-50页 |
