基于机器视觉的目标分类与场景定位研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-19页 |
| 1.1 研究背景及意义 | 第10-12页 |
| 1.2 国内外研究现状 | 第12-17页 |
| 1.2.1 视频目标的检测分类 | 第12-13页 |
| 1.2.2 机器视觉定位 | 第13-17页 |
| 1.3 研究内容与结构安排 | 第17-19页 |
| 第二章 机器视觉及其关键技术 | 第19-31页 |
| 2.1 机器视觉 | 第19-20页 |
| 2.1.1 机器视觉定义及研究内容 | 第19页 |
| 2.1.2 机器视觉的应用及存在问题 | 第19-20页 |
| 2.2 视觉特征的选择 | 第20-21页 |
| 2.3 词包模型 | 第21-27页 |
| 2.3.1 特征检测和描述 | 第22-26页 |
| 2.3.2 视觉词典构建 | 第26-27页 |
| 2.3.3 图像内容表示 | 第27页 |
| 2.4 支持向量机原理 | 第27-30页 |
| 2.5 本章小结 | 第30-31页 |
| 第三章 基于轮廓特征的场景动态目标实时分类 | 第31-42页 |
| 3.1 引言 | 第31页 |
| 3.2 动态目标轮廓提取 | 第31-35页 |
| 3.2.1 混合高斯模型 | 第31-33页 |
| 3.2.2 动态前景目标轮廓提取 | 第33-35页 |
| 3.3 轮廓特征的选择 | 第35-37页 |
| 3.4 支持向量机分类器设计 | 第37-38页 |
| 3.5 实验过程及分析 | 第38-40页 |
| 3.6 本章小结 | 第40-42页 |
| 第四章 基于场景匹配的机器人自定位 | 第42-51页 |
| 4.1 引言 | 第42页 |
| 4.2 图像的BOVW视觉词包模型描述 | 第42-45页 |
| 4.2.1 SURF特征提取 | 第42-44页 |
| 4.2.2 图像的视觉词包模型描述 | 第44-45页 |
| 4.3 基于双层索引结构的图像匹配与视觉定位 | 第45-46页 |
| 4.3.1 双层索引结构 | 第45页 |
| 4.3.2 图像序列分层次聚类 | 第45-46页 |
| 4.3.3 测试图像的匹配定位 | 第46页 |
| 4.4 投票算法 | 第46-47页 |
| 4.5 实验结果及分析 | 第47-50页 |
| 4.5.1 实验数据的获取 | 第47-48页 |
| 4.5.2 定位结果展示 | 第48页 |
| 4.5.3 定位性能分析 | 第48-50页 |
| 4.6 本章小结 | 第50-51页 |
| 第五章 基于多视角特征点匹配的室外目标定位 | 第51-60页 |
| 5.1 引言 | 第51页 |
| 5.2 特征点匹配算法 | 第51-53页 |
| 5.2.1 FLANN算法 | 第51-52页 |
| 5.2.2 KNN算法 | 第52-53页 |
| 5.3 单应矩阵原理 | 第53-54页 |
| 5.4 图像透视变换 | 第54-55页 |
| 5.5 多视角定位算法 | 第55-56页 |
| 5.6 实验结果及分析 | 第56-59页 |
| 5.7 本章小结 | 第59-60页 |
| 第六章 总结与展望 | 第60-62页 |
| 6.1 本文工作总结 | 第60-61页 |
| 6.2 工作展望 | 第61-62页 |
| 参考文献 | 第62-70页 |
| 致谢 | 第70-71页 |
| 附录 | 第71页 |
