| 摘要 | 第2-3页 |
| Abstract | 第3-4页 |
| 1 绪论 | 第7-11页 |
| 1.1 研究背景与研究意义 | 第7-8页 |
| 1.2 国内外研究现状 | 第8-9页 |
| 1.2.1 视觉定位研究现状 | 第8-9页 |
| 1.2.2 人脸检测及跟踪研究现状 | 第9页 |
| 1.3 本文主要工作 | 第9-11页 |
| 2 基于RGB-D数据的视觉定位系统设计与实现 | 第11-47页 |
| 2.1 RGB-D数据的获取与标定 | 第11-20页 |
| 2.1.1 RGB-D数据的获取 | 第11-12页 |
| 2.1.2 RGB-D的相机模型 | 第12-17页 |
| 2.1.3 基于Kinect的视觉标定 | 第17-20页 |
| 2.2 基于RGB-D数据的视觉定位 | 第20-35页 |
| 2.2.1 机器人定位问题的建模 | 第20-21页 |
| 2.2.2 特征点法 | 第21-25页 |
| 2.2.3 直接法 | 第25-29页 |
| 2.2.4 实验对比 | 第29-34页 |
| 2.2.5 构建点云地图 | 第34-35页 |
| 2.3 基于G2O的图形优化 | 第35-38页 |
| 2.3.1 G2O图优化的概念 | 第35-36页 |
| 2.3.2 G2O图优化的应用 | 第36-38页 |
| 2.4 实验结果及分析 | 第38-47页 |
| 2.4.1 实验平台 | 第38-41页 |
| 2.4.2 实验结果 | 第41-45页 |
| 2.4.3 实验分析 | 第45-47页 |
| 3 基于Haar特征的人脸检测及跟踪系统设计与实现 | 第47-71页 |
| 3.1 基于特征分类器的人脸检测 | 第47-55页 |
| 3.1.1 Haar特征的提取 | 第47-48页 |
| 3.1.2 积分图法 | 第48-50页 |
| 3.1.3 AdaBoost算法 | 第50-54页 |
| 3.1.4 级联分类器 | 第54-55页 |
| 3.2 基于人脸检测的模板匹配人脸跟踪算法 | 第55-61页 |
| 3.2.1 基于灰度的归一化积相关匹配算法 | 第56-57页 |
| 3.2.2 融合模板匹配算法的人脸跟踪 | 第57-61页 |
| 3.3 实验结果及分析 | 第61-71页 |
| 3.3.1 实验平台 | 第61-62页 |
| 3.3.2 实验结果 | 第62-69页 |
| 3.3.3 实验分析 | 第69-71页 |
| 4 总结与展望 | 第71-73页 |
| 4.1 研究工作总结 | 第71页 |
| 4.2 研究工作展望 | 第71-73页 |
| 参考文献 | 第73-76页 |
| 致谢 | 第76-78页 |