基于粒子滤波的机器人视觉跟踪研究与实现
| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 1 绪论 | 第8-14页 |
| ·机器人视觉跟踪研究的国内外现状 | 第8-10页 |
| ·国外研究现状 | 第8-9页 |
| ·国内研究现状及本实验室的研究进展 | 第9-10页 |
| ·机器人视觉跟踪研究的主要问题及方法实现 | 第10-13页 |
| ·本文的主要工作 | 第13-14页 |
| 2 机器人视觉跟踪中的目标检测 | 第14-24页 |
| ·颜色基础与颜色模型 | 第14-18页 |
| ·颜色基础 | 第14-15页 |
| ·常用颜色模型及其相互转换 | 第15-18页 |
| ·目标检测方法分类与比较 | 第18-19页 |
| ·基于加权颜色直方图的目标检测 | 第19-20页 |
| ·基于行程编码图的目标检测 | 第20-24页 |
| 3 目标跟踪算法的理论基础与研究进展 | 第24-42页 |
| ·基于马尔可夫假设的递归贝叶斯跟踪 | 第25-26页 |
| ·KF与EKF方法 | 第26-29页 |
| ·KF方法 | 第26-28页 |
| ·EKF方法 | 第28-29页 |
| ·蒙特卡罗方法原理与实现 | 第29-31页 |
| ·蒙特卡罗方法的基本原理 | 第29-30页 |
| ·蒙特卡罗方法的收敛性 | 第30页 |
| ·蒙特卡罗方法的实现 | 第30-31页 |
| ·粒子滤波 | 第31-38页 |
| ·粒子滤波概述 | 第31-32页 |
| ·序贯重要采样算法 | 第32-33页 |
| ·退化问题 | 第33-36页 |
| ·粒子滤波算法的一般过程及其收敛性 | 第36-38页 |
| ·混合粒子滤波 | 第38-42页 |
| 4 移动机器人视觉跟踪的实现 | 第42-62页 |
| ·Pioneer 3机器人系统 | 第42-46页 |
| ·移动机器人的硬件环境 | 第43-44页 |
| ·移动机器人的软件环境 | 第44-46页 |
| ·摄像机标定与视觉成像中的坐标变换 | 第46-51页 |
| ·摄像机标定 | 第46-49页 |
| ·机器人视觉成像过程与坐标变换 | 第49-51页 |
| ·机器人静止状态下目标跟踪的实现 | 第51-56页 |
| ·目标的动态模型 | 第52-53页 |
| ·跟踪算法 | 第53-54页 |
| ·实验结果 | 第54-56页 |
| ·机器人运动状态下目标跟踪的实现 | 第56-62页 |
| ·机器人运动过程中的目标预测和机器人运动控制策略 | 第56-57页 |
| ·阈值动态更新策略 | 第57-58页 |
| ·实验结果 | 第58-62页 |
| 结论 | 第62-64页 |
| 参考文献 | 第64-66页 |
| 攻读硕士学位期间发表学术论文情况 | 第66-67页 |
| 致谢 | 第67-68页 |
