| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第11-15页 |
| 1.1 课题研究背景 | 第11-12页 |
| 1.2 目标运动跟踪研究现状及研究意义 | 第12页 |
| 1.3 本论文的工作与安排 | 第12-15页 |
| 第二章 机器鱼控制视觉子系统构建 | 第15-27页 |
| 2.0 全局视觉多机器鱼控制系统简介 | 第15页 |
| 2.1 系统硬件平台 | 第15-21页 |
| 2.1.1 仿生机器鱼硬件简介 | 第16-19页 |
| 2.1.2 舵机控制 | 第19-21页 |
| 2.2 视觉子系统 | 第21-26页 |
| 2.2.1 图像采集相机 | 第21-22页 |
| 2.2.2 图像采集 | 第22-26页 |
| 2.2.3 图像失真校正 | 第26页 |
| 2.3 模板识别 | 第26页 |
| 2.4 本章小结 | 第26-27页 |
| 第三章 机器鱼模板匹配跟踪与并行算法 | 第27-53页 |
| 3.1 常见模板匹配算法 | 第27-28页 |
| 3.2 模板匹配算法一般流程 | 第28-29页 |
| 3.2.1 生成机器鱼匹配模板 | 第28-29页 |
| 3.2.2 计算模板匹配相似度 | 第29页 |
| 3.2.3 确定目标所在位置 | 第29页 |
| 3.3 算法计算误差分析 | 第29-30页 |
| 3.4 机器鱼模板匹配跟踪算法 | 第30-38页 |
| 3.4.1 机器鱼水池前景建模 | 第30-32页 |
| 3.4.2 机器鱼模板设计生成 | 第32-33页 |
| 3.4.3 机器鱼模板设计生成 | 第33-38页 |
| 3.5 基于OpenMP实现跟踪算法并行化 | 第38-43页 |
| 3.5.1 OpenMP简介 | 第38-39页 |
| 3.5.2 并行模式 | 第39-40页 |
| 3.5.3 跟踪算法并行化 | 第40-43页 |
| 3.6 基于CUDA实现跟踪算法并行化 | 第43-49页 |
| 3.6.1 CUDA并行计算简介 | 第43-44页 |
| 3.6.2 CUDA内核函数 | 第44-45页 |
| 3.6.3 CUDA安装与硬件支持 | 第45-46页 |
| 3.6.4 OpenCV的CUDA支持 | 第46页 |
| 3.6.5 CUDA算法移植 | 第46-49页 |
| 3.7 模板匹配的适应性 | 第49页 |
| 3.8 实验结果 | 第49-50页 |
| 3.9 本章小结 | 第50-53页 |
| 第四章C/S全局视觉机器鱼控制平台设计 | 第53-71页 |
| 4.1 控制平台需求分析 | 第53页 |
| 4.2 平台工作流程设计 | 第53-54页 |
| 4.3 网络通信数据格式 | 第54-56页 |
| 4.3.1 Server与Client交互数据格式 | 第54-55页 |
| 4.3.2 数据解析与响应 | 第55-56页 |
| 4.4 CPG协议扩展 | 第56-57页 |
| 4.4.1 仿生机器鱼无线通信数据协议格式 | 第56页 |
| 4.4.2 CPG参数发送协议扩展 | 第56-57页 |
| 4.5 Server端功能核心 | 第57-62页 |
| 4.5.1 Socket网络通信 | 第58-60页 |
| 4.5.2 机器鱼无线通信 | 第60-61页 |
| 4.5.3 目标框选线程 | 第61页 |
| 4.5.4 图像显示 | 第61页 |
| 4.5.5 参数初始化 | 第61页 |
| 4.5.6 图像采集 | 第61页 |
| 4.5.7 目标跟踪 | 第61-62页 |
| 4.5.8 策略控制 | 第62页 |
| 4.6 Client端功能设计 | 第62-66页 |
| 4.6.1 通信参数设置 | 第62-63页 |
| 4.6.2 图像参数设置 | 第63页 |
| 4.6.3 目标识别设置 | 第63-64页 |
| 4.6.4 原始图像操作 | 第64页 |
| 4.6.5 前景图像操作 | 第64页 |
| 4.6.6 目标信息显示 | 第64页 |
| 4.6.7 策略加载选择 | 第64-65页 |
| 4.6.8 机器鱼指令发送控制 | 第65-66页 |
| 4.7 策略控制模块 | 第66-70页 |
| 4.7.1 编程环境IDE介绍 | 第66页 |
| 4.7.2 策略编译生成(x86/x64) | 第66-67页 |
| 4.7.3 策略函数调用接口 | 第67-69页 |
| 4.7.4 自定义策略框架结构编写 | 第69-70页 |
| 4.7.5 策略调试与数据分析 | 第70页 |
| 4.8 本章小结 | 第70-71页 |
| 第五章 基于深度学习自编码定位跟踪 | 第71-87页 |
| 5.1 深度学习发展简介 | 第71-72页 |
| 5.2 深度学习基础 | 第72-74页 |
| 5.2.1 深度学习特征学习 | 第72-73页 |
| 5.2.2 卷积神经网络 | 第73-74页 |
| 5.2.3 深度学习工具 | 第74页 |
| 5.3 深度自编码定位 | 第74-78页 |
| 5.3.1 无监督自编码学习 | 第74-75页 |
| 5.3.2 空间位置编码 | 第75-76页 |
| 5.3.3 网络构建 | 第76-77页 |
| 5.3.4 网络训练 | 第77-78页 |
| 5.4 实验结果分析 | 第78-84页 |
| 5.4.1 特征可视化分析 | 第78-80页 |
| 5.4.2 实验结果 | 第80-84页 |
| 5.5 本章小结 | 第84-87页 |
| 第六章 全文总结与展望 | 第87-91页 |
| 6.1 工作总结 | 第87-88页 |
| 6.2 研究展望 | 第88-91页 |
| 致谢 | 第91-92页 |
| 参考文献 | 第92-97页 |
| 附录 个人简历 | 第97页 |