首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

基于分层特征描述子的移动机器人行人目标跟踪

摘要第4-6页
Abstract第6-7页
第1章 绪论第10-24页
    1.1 课题研究背景及意义第10-11页
    1.2 行人目标跟踪技术概述第11-17页
        1.2.1 移动机器人的行人检测算法第11-15页
        1.2.2 移动机器人的行人目标识别算法第15页
        1.2.3 移动机器人的行人目标跟踪算法第15-17页
    1.3 移动机器人行人目标跟踪研究现状及应用第17-20页
        1.3.1 国外移动机器人行人目标跟踪的研究现状第17-18页
        1.3.2 国内移动机器人运动人体跟踪的研究现状第18页
        1.3.3 移动机器人行人目标跟踪的应用第18-20页
    1.4 论文的主要研究内容与文章结构第20-22页
    1.5 本章小结第22-24页
第2章 系统硬件构成第24-30页
    2.1 环境传感器第24-26页
        2.1.1 红外测距传感器第24页
        2.1.2 超声波传感器第24-25页
        2.1.3 激光测距仪第25页
        2.1.4 视觉传感器第25-26页
    2.2 硬件平台系统构成第26-29页
        2.2.1Pioneer3-DX实验平台第27-28页
        2.2.2 立体视觉系统第28-29页
    2.3 本章小结第29-30页
第3章 基于全局特征的自适应带宽Cam-Shift算法第30-40页
    3.1 传统Mean-Shift算法第30-32页
    3.2 基于核函数的Cam-Shift算法第32-34页
    3.3 自适应带宽Cam-Shift算法第34-37页
        3.3.1 目标尺度和主方向第34-35页
        3.3.2 自适应带宽核函数第35-36页
        3.3.3 算法流程第36-37页
    3.4 实验结果第37-39页
    3.5 本章小结第39-40页
第4章 基于局部特征的行人目标精确定位第40-56页
    4.1 尺度不变特征变换(SIFT)算法第40-46页
        4.1.1 尺度空间极值检测第40-42页
        4.1.2 关键点精确定位第42-43页
        4.1.3 关键点方向分配第43-44页
        4.1.4 局部描述子生成第44-45页
        4.1.5 基于SIFT的图像匹配第45-46页
    4.2 基于压缩感知SIFT特征描述子的行人目标精确定位第46-49页
        4.2.1 压缩感知技术第46-48页
        4.2.2 基于压缩感知的SIFT特征描述子第48-49页
    4.3 基于Contourlet-SIFT特征描述子的行人目标精确定位第49-52页
        4.3.1 Contourlet变换第50-51页
        4.3.2 基于Contourlet-SIFT特征描述子第51-52页
    4.4 特征库在线更新策略第52-53页
    4.5 实验结果第53-55页
        4.5.1 光照变化实验结果第53页
        4.5.2 视角变化实验结果第53-54页
        4.5.3 局部相似实验结果第54-55页
    4.6 本章小结第55-56页
第5章 系统实现与实验结果第56-64页
    5.1 图形用户界面介绍及实现第56-59页
        5.1.1 可视化图形用户界面第57-58页
        5.1.2 用户界面各模块介绍与实现第58-59页
    5.2 实验结果与分析第59-63页
        5.2.1 多位姿运动人体跟踪实验结果第60-61页
        5.2.2 移动机器人运动人体跟踪实验第61-63页
    5.3 本章小结第63-64页
结论第64-66页
参考文献第66-72页
攻读硕士学位期间所发表的学术论文第72-74页
致谢第74页

论文共74页,点击 下载论文
上一篇:软件和信息技术服务业企业财务风险研究--以RJ公司为例
下一篇:万科可持续增长案例研究