| 第一章 绪论 | 第1-14页 |
| §1-1 引言 | 第8页 |
| §1-2 移动机器人导航的研究现状 | 第8-10页 |
| §1-3 移动机器人视觉导航技术 | 第10-12页 |
| §1-4 选题意义及本文的主要研究内容 | 第12-14页 |
| 第二章 HEBUT-Ⅱ智能机器人视觉导航系统的组成 | 第14-22页 |
| §2-1 引言 | 第14页 |
| §2-2 HEBUT-Ⅱ型移动机器人的视觉导航系统 | 第14-17页 |
| 2-2-1 HEBUT-Ⅱ型移动机器人的视觉导航系统构成 | 第14-16页 |
| 2-2-2 图像采集模块 | 第16-17页 |
| 2-2-3 图像处理及逆模型变换模块 | 第17页 |
| 2-2-4 路径及路标识别 | 第17页 |
| §2-3 HEBUT-Ⅱ型移动机器人的摄像机模型及逆模型运算 | 第17-21页 |
| 2-3-1 HEBUT-Ⅱ型移动机器人的摄像机模型 | 第17-20页 |
| 2-3-2 逆模型运算 | 第20-21页 |
| §2-4 本章小结 | 第21-22页 |
| 第三章 路标图像的提取与分割 | 第22-34页 |
| §3-1 引言 | 第22页 |
| §3-2 图像分割技术研究 | 第22-30页 |
| 3-2-1 图像分割技术研究 | 第22-29页 |
| 3-2-2 HEBUT-Ⅱ型移动机器人图像分割技术研究 | 第29-30页 |
| §3-3 图像预处理技术 | 第30-33页 |
| 3-3-1 路标图像预处理技术 | 第30页 |
| 3-3-2 图像的梯度锐化 | 第30-31页 |
| 3-3-3 去除离散的噪点 | 第31页 |
| 3-3-4 图像的倾斜度调整 | 第31-32页 |
| 3-3-5 图像的归一化处理 | 第32页 |
| 3-3-6 图像的特征提取 | 第32-33页 |
| §3-4 本章小结 | 第33-34页 |
| 第四章 基于神经网络的路标识别系统 | 第34-43页 |
| §4-1 引言 | 第34页 |
| §4-2 神经网络知识的介绍 | 第34-37页 |
| 4-2-1 神经元的MP模型 | 第34-35页 |
| 4-2-2 人工神经网络及BP算法 | 第35-37页 |
| §4-3 神经网络在路标识别系统中的作用 | 第37-42页 |
| 4-3-1 BP网络输入输出变量的选择 | 第38页 |
| 4-3-2 BP网络输入数据的选取 | 第38页 |
| 4-3-3 BP网络层数的确定 | 第38-39页 |
| 4-3-4 隐层神经元个数的确定 | 第39页 |
| 4-3-5 确定训练次数 | 第39页 |
| 4-3-6 BP网络中参数的选择 | 第39-40页 |
| 4-3-7 BP算法的改进 | 第40页 |
| 4-3-8 路标的识别结果 | 第40-42页 |
| §4-4 本章小结 | 第42-43页 |
| 第五章 机械手的视觉定位 | 第43-55页 |
| §5-1 引言 | 第43页 |
| §5-2 机械手定位方案 | 第43-44页 |
| §5-3 目标图形的提取与分割 | 第44-54页 |
| 5-3-1 图像的灰度化 | 第44-45页 |
| 5-3-2 图像的平滑化 | 第45-46页 |
| 5-3-3 自动阈值选择技术 | 第46-47页 |
| 5-3-4 图像的二值化处理 | 第47页 |
| 5-3-5 数学形态学运算 | 第47-50页 |
| 5-3-6 图像去噪 | 第50页 |
| 5-3-7 图像分割 | 第50-51页 |
| 5-3-8 物体形状识别 | 第51-54页 |
| §5-4 本章小结 | 第54-55页 |
| 第六章 结论与展望 | 第55-57页 |
| 参考文献 | 第57-61页 |
| 致谢 | 第61-62页 |
| 攻读硕士期间所取得的相关科研成果 | 第62页 |
