基于视觉的机器人障碍物识别与目标追踪
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-11页 |
| 第1章 绪论 | 第11-16页 |
| ·引言 | 第11-12页 |
| ·国内外研究现状 | 第12-14页 |
| ·障碍物识别 | 第12-13页 |
| ·目标追踪 | 第13-14页 |
| ·论文的主要工作及组织结构 | 第14-16页 |
| ·本文的主要研究内容 | 第14-15页 |
| ·本文的组织结构 | 第15-16页 |
| 第2章 机器人的视觉系统概述 | 第16-21页 |
| ·单目视觉系统概述 | 第16-17页 |
| ·视觉测距系统概述 | 第17-19页 |
| ·视觉跟踪技术概述 | 第19-20页 |
| ·本章小结 | 第20-21页 |
| 第3章 基于单目视觉的障碍物识别 | 第21-40页 |
| ·图像采集与图像处理 | 第21-27页 |
| ·图像采集 | 第21-22页 |
| ·图像处理 | 第22-27页 |
| ·颜色空间选择与转换 | 第27-29页 |
| ·RGB颜色空间 | 第27-28页 |
| ·HSI颜色空间 | 第28页 |
| ·RGB与HSI颜色空间的转换 | 第28-29页 |
| ·使用HSI颜色空间粗定位 | 第29-30页 |
| ·使用SIFT算法进行匹配 | 第30-36页 |
| ·概述SIFT算法原理 | 第31-35页 |
| ·改进的SIFT算法 | 第35-36页 |
| ·障碍物识别实验 | 第36-39页 |
| ·识别实验 | 第36-38页 |
| ·识别效率分析 | 第38-39页 |
| ·本章小结 | 第39-40页 |
| 第4章 单目视觉测距 | 第40-47页 |
| ·单目视觉测距理论 | 第40-42页 |
| ·测距系统原理 | 第40页 |
| ·摄像机模型 | 第40-41页 |
| ·参数计算 | 第41-42页 |
| ·测距模型推导 | 第42-45页 |
| ·单目视觉测距实验 | 第45-46页 |
| ·测距实验 | 第45-46页 |
| ·误差分析 | 第46页 |
| ·本章小结 | 第46-47页 |
| 第5章 基于单目视觉的目标追踪 | 第47-59页 |
| ·目标追踪系统 | 第47页 |
| ·运动目标检测与识别 | 第47-52页 |
| ·运动目标的检测 | 第48-50页 |
| ·运动目标的识别 | 第50-52页 |
| ·使用Kalman滤波概述 | 第52-55页 |
| ·Kalman滤波原理 | 第52-53页 |
| ·Kalman滤波算法 | 第53-54页 |
| ·Kalman滤波预测 | 第54-55页 |
| ·机器人运动控制 | 第55-56页 |
| ·目标追踪实验 | 第56-58页 |
| ·追踪实验 | 第56-57页 |
| ·误差分析 | 第57-58页 |
| ·本章小结 | 第58-59页 |
| 第6章 结论 | 第59-61页 |
| ·总结 | 第59页 |
| ·本文的创新点 | 第59-60页 |
| ·展望 | 第60-61页 |
| 参考文献 | 第61-65页 |
| 致谢 | 第65页 |
