| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第11-17页 |
| 1.1 课题研究的目的与意义 | 第11-13页 |
| 1.1.1 课题研究的目的 | 第11-12页 |
| 1.1.2 课题研究的意义 | 第12-13页 |
| 1.2 国内外多轿厢电梯的发展及现状 | 第13-15页 |
| 1.2.1 多轿厢电梯系统的发展 | 第13-14页 |
| 1.2.2 国内外多轿厢电梯系统的研究现状 | 第14-15页 |
| 1.3 论文研究的主要内容 | 第15页 |
| 1.4 论文的基本结构 | 第15-16页 |
| 1.5 本章小结 | 第16-17页 |
| 第二章 多轿厢防碰撞系统 | 第17-25页 |
| 2.1 多轿厢防碰撞问题 | 第17-19页 |
| 2.2 多轿厢防碰撞系统的组成 | 第19-20页 |
| 2.3 防碰撞系统中轿厢运动信息的获取 | 第20-23页 |
| 2.4 本章小结 | 第23-25页 |
| 第三章 基于RBF神经网络的多轿厢电梯防碰撞模型研究 | 第25-37页 |
| 3.1 RBF神经网络结构 | 第25-26页 |
| 3.2 RBF神经网络的学习算法 | 第26-28页 |
| 3.3 多轿厢安全距离模型 | 第28-30页 |
| 3.3.1 多轿厢运动学描述 | 第28页 |
| 3.3.2 安全距离的数学模型 | 第28-30页 |
| 3.4 基于RBF神经网络的多轿厢防碰撞模型 | 第30-32页 |
| 3.4.1 参数的确定 | 第30-31页 |
| 3.4.2 安全度判别准则 | 第31页 |
| 3.4.3 RBF神经网络的防碰撞模型的建立 | 第31-32页 |
| 3.5 实验仿真 | 第32-35页 |
| 3.6 本章小结 | 第35-37页 |
| 第四章 基于双目视觉测量的多轿厢避撞方法研究 | 第37-65页 |
| 4.1 双目视觉测量系统 | 第37-38页 |
| 4.2 双目视觉三维测量原理 | 第38-40页 |
| 4.3 双目视觉三维测量数学模型 | 第40-41页 |
| 4.4 摄像机标定坐标系统 | 第41-46页 |
| 4.4.1 图像像素的坐标系 | 第42页 |
| 4.4.2 透镜畸变 | 第42-44页 |
| 4.4.3 标定实验与分析 | 第44-46页 |
| 4.5 基于SIFT的特征提取和图像匹配算法研究及改进 | 第46-60页 |
| 4.5.1 SIFT算法概述 | 第47-48页 |
| 4.5.2 SIFT算法相关理论 | 第48-51页 |
| 4.5.3 SIFT算法实现 | 第51-54页 |
| 4.5.4 SIFT特征点提取与匹配 | 第54-56页 |
| 4.5.5 SIFT算法的改进 | 第56-57页 |
| 4.5.6 实验结果及分析 | 第57-60页 |
| 4.6 测距实验及分析 | 第60-63页 |
| 4.6.1 实验系统的组成 | 第60-61页 |
| 4.6.2 距离测量实验 | 第61-62页 |
| 4.6.3 测距实验数据及分析 | 第62-63页 |
| 4.7 本章小结 | 第63-65页 |
| 第五章 结论 | 第65-67页 |
| 5.1 总结 | 第65页 |
| 5.2 展望 | 第65-67页 |
| 参考文献 | 第67-71页 |
| 作者简介 | 第71页 |
| 作者在攻读硕士学位期间发表的学术论文 | 第71-73页 |
| 致谢 | 第73页 |