| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 1 绪论 | 第12-18页 |
| 1.1 引言 | 第12页 |
| 1.2 课题研究背景与研究意义 | 第12-14页 |
| 1.3 RoboCup比赛标准平台组简介 | 第14-17页 |
| 1.3.1 比赛场地设置与要求 | 第14-16页 |
| 1.3.2 队员间信息交流与场中状态 | 第16-17页 |
| 1.4 本文主要研究内容与组织结构 | 第17-18页 |
| 2 标准平台组硬件平台和系统组成结构 | 第18-26页 |
| 2.1 NAO机器人软硬件平台 | 第18-22页 |
| 2.1.1 NAO机器人的硬件配置 | 第18-20页 |
| 2.1.2 NAO机器人的软件架构 | 第20-22页 |
| 2.2 NAO机器人的视觉系统 | 第22-23页 |
| 2.3 足球机器人系统构成设计 | 第23-25页 |
| 2.4 本章小结 | 第25-26页 |
| 3 场地目标识别方法研究 | 第26-44页 |
| 3.1 机器人图像获取与压缩 | 第26-27页 |
| 3.1.1 图像的获取 | 第26页 |
| 3.1.2 图像压缩 | 第26-27页 |
| 3.2 颜色空间选择与图像分割 | 第27-34页 |
| 3.2.1 颜色空间模型选择 | 第28-30页 |
| 3.2.2 图像分割 | 第30-32页 |
| 3.2.3 颜色阈值标定 | 第32页 |
| 3.2.4 图像降噪 | 第32-34页 |
| 3.3 场地中目标识别与特征点提取 | 第34-43页 |
| 3.3.1 场地直线识别 | 第34-38页 |
| 3.3.2 场地中圈识别 | 第38-39页 |
| 3.3.3 场线的特征点检测 | 第39-41页 |
| 3.3.4 球门的识别 | 第41-42页 |
| 3.3.5 球识别 | 第42-43页 |
| 3.4 本章小结 | 第43-44页 |
| 4 基于NAO机器人的单目测距研究 | 第44-58页 |
| 4.1 引言 | 第44页 |
| 4.2 NAO机器人摄像头标定 | 第44-49页 |
| 4.2.1 常用的摄像头标定方法 | 第44-45页 |
| 4.2.2 摄像机小孔成像模型 | 第45-47页 |
| 4.2.3 本文标定实验 | 第47-49页 |
| 4.3 单目测距模型 | 第49-51页 |
| 4.3.1 单目视觉测距方法分析 | 第49-50页 |
| 4.3.2 基于三角形属性的简单测距 | 第50-51页 |
| 4.4 本文采用的单目测距模型构建 | 第51-53页 |
| 4.5 测距实验与结果分析 | 第53-57页 |
| 4.5.1 实验设计 | 第53-54页 |
| 4.5.2 测距实验结果与分析 | 第54-57页 |
| 4.6 本章小结 | 第57-58页 |
| 5 基于AdaBoost算法的NAO机器人检测 | 第58-72页 |
| 5.1 引言 | 第58页 |
| 5.2 NAO机器人的特征描述 | 第58-62页 |
| 5.2.1 Haar-like特征 | 第58-61页 |
| 5.2.2 基于积分图的特征值计算 | 第61-62页 |
| 5.3 AdaBoost算法 | 第62-67页 |
| 5.3.1 AdaBoost算法描述 | 第63-64页 |
| 5.3.2 基于AdaBoost算法的分类器构建 | 第64-67页 |
| 5.4 基于AdaBoost算法的NAO机器人检测 | 第67-71页 |
| 5.4.1 算法流程结构 | 第67页 |
| 5.4.2 训练样本选取 | 第67-69页 |
| 5.4.3 实验结果及后处理 | 第69-70页 |
| 5.4.4 检测结果分析 | 第70-71页 |
| 5.5 本章小结 | 第71-72页 |
| 6 总结与展望 | 第72-74页 |
| 6.1 相关工作总结 | 第72页 |
| 6.2 进一步的工作方向展望 | 第72-74页 |
| 致谢 | 第74-75页 |
| 参考文献 | 第75-80页 |
| 附录 | 第80页 |