| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 第1章 绪论 | 第10-20页 |
| ·课题研究的背景和意义 | 第10-11页 |
| ·机器视觉在国内外研究现状 | 第11-18页 |
| ·立体匹配技术 | 第11-13页 |
| ·基于视觉的目标跟踪技术 | 第13-15页 |
| ·视觉跟踪问题中的难点 | 第15-16页 |
| ·视觉系统在智能机器人中的应用 | 第16-18页 |
| ·本文的研究内容及结构安排 | 第18-20页 |
| 第2章 SIFT 算法及粒子滤波算法 | 第20-34页 |
| ·SIFT 特征算法 | 第20-27页 |
| ·建立尺度空间 | 第20-23页 |
| ·精确定位关键点 | 第23-24页 |
| ·设置关键点主方向 | 第24页 |
| ·生成关键点描述子 | 第24-25页 |
| ·SIFT 特征的优缺点 | 第25-27页 |
| ·粒子滤波 | 第27-33页 |
| ·贝叶斯滤波原理 | 第27-28页 |
| ·贝叶斯重要性采样 | 第28-29页 |
| ·序贯重要性采样 | 第29-31页 |
| ·粒子滤波算法流程 | 第31-32页 |
| ·粒子滤波在目标跟踪中的运用 | 第32-33页 |
| ·本章小结 | 第33-34页 |
| 第3章 基于极线约束的 SIFT 特征匹配算法 | 第34-48页 |
| ·基于极线约束的 SIFT 特征匹配算法 | 第34-41页 |
| ·RANSCA 算法 | 第34-36页 |
| ·极线约束原理 | 第36-37页 |
| ·基本矩阵的估计 | 第37页 |
| ·基于极线约束的 SIFT 特征匹配算法 | 第37-41页 |
| ·实验结果分析 | 第41-47页 |
| ·旋转和尺度变化下匹配效果 | 第41-43页 |
| ·光照变化下的匹配效果 | 第43-45页 |
| ·光照变化时的匹配效果 | 第45-47页 |
| ·本章小结 | 第47-48页 |
| 第4章 基于极线约束的 SIFT 特征和粒子滤波目标跟踪算法 | 第48-62页 |
| ·基于极线约束的 SIFT 特征和粒子滤波目标跟踪算法 | 第48-55页 |
| ·系统转移状态模型 | 第49-50页 |
| ·系统观测模型 | 第50-52页 |
| ·目标更新模型 | 第52-53页 |
| ·精确定位目标位置 | 第53-54页 |
| ·算法流程介绍 | 第54-55页 |
| ·实验结果分析 | 第55-61页 |
| ·尺度变化及旋转情况下的跟踪 | 第55-57页 |
| ·目标发生遮挡情况下的跟踪 | 第57-59页 |
| ·复杂情况下目标跟踪 | 第59-61页 |
| ·本章小结 | 第61-62页 |
| 第5章 基于极线约束的 SIFT 特征和粒子滤波算法的 Seekur 机器人跟踪系统 | 第62-73页 |
| ·Seekur 移动机器人的结构特点 | 第62-63页 |
| ·Seekur 移动机器人硬件和软件系统 | 第63-68页 |
| ·Seekur 移动机器人硬件系统 | 第63-64页 |
| ·机器人运动控制系统 | 第64-65页 |
| ·Seekur 机器人传感系统 | 第65-67页 |
| ·移动机器人软件平台 ARIA 库 | 第67-68页 |
| ·基于极线约束 SIFT 特征和粒子滤波的双目视觉跟踪算法及系统 | 第68-70页 |
| ·基于极线约束的 SIFT 特征和粒子滤波的双目视觉跟踪算法 | 第68-69页 |
| ·基于极线约束的 SIFT 特征和粒子滤波的双目视觉跟踪系统 | 第69-70页 |
| ·实验结果分析 | 第70-72页 |
| ·本章小结 | 第72-73页 |
| 第6章 总结与展望 | 第73-75页 |
| ·全文总结 | 第73页 |
| ·工作展望 | 第73-75页 |
| 参考文献 | 第75-82页 |
| 致谢 | 第82-83页 |
| 附录 | 第83页 |
