基于SIFT算法的单目目标识别与定位系统研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第10-15页 |
| 1.1 课题的研究意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.3 本文主要研究内容 | 第13-15页 |
| 第2章 图像的预处理和特征提取研究 | 第15-36页 |
| 2.1 图像的预处理 | 第15-20页 |
| 2.1.1 图像的平滑 | 第15-17页 |
| 2.1.1.1 均值滤波 | 第15-16页 |
| 2.1.1.2 高斯滤波 | 第16-17页 |
| 2.1.2 图像的增强 | 第17-20页 |
| 2.1.2.1 直方图均衡化 | 第18-19页 |
| 2.1.2.2 灰度变换 | 第19-20页 |
| 2.2 图像的特征提取 | 第20-26页 |
| 2.2.1 角点特征提取 | 第21-23页 |
| 2.2.2 边缘特征的提取 | 第23-26页 |
| 2.3 尺度不变特征变换(SIFT)算法 | 第26-36页 |
| 2.3.1 尺度空间的极值点检测 | 第27-30页 |
| 2.3.2 关键点的精确定位 | 第30-32页 |
| 2.3.3 关键点的方向分配 | 第32-33页 |
| 2.3.4 关键点特征描述符的生成 | 第33-36页 |
| 2.4 本章小结 | 第36页 |
| 第3章 摄像机的成像模型与标定研究 | 第36-49页 |
| 3.1 摄像机的模型 | 第36-41页 |
| 3.1.1 图像坐标系、摄像机坐标系与世界坐标系 | 第36-38页 |
| 3.1.2 摄像机线性成像模型 | 第38-39页 |
| 3.1.3 摄像机非线性成像模型 | 第39-41页 |
| 3.2 摄像机的标定 | 第41-45页 |
| 3.2.1 求取单应性矩阵 | 第41-42页 |
| 3.2.2 求取摄像机内外参数 | 第42-45页 |
| 3.3 摄像机标定的实验结果及分析 | 第45-48页 |
| 3.4 本章小结 | 第48-49页 |
| 第4章 基于改进SIFT算法的目标识别 | 第49-70页 |
| 4.1 SIFT算法的改进方案 | 第49-54页 |
| 4.1.1 对比度阈值的自适应改进 | 第49-52页 |
| 4.1.2 特征描述子的简化改进 | 第52-54页 |
| 4.2 图像匹配 | 第54-60页 |
| 4.2.1 匹配相似性的度量 | 第56-57页 |
| 4.2.2 匹配方式的改进 | 第57-60页 |
| 4.2.2.1 双阈值匹配 | 第57-59页 |
| 4.2.2.2 匹配点对提纯 | 第59-60页 |
| 4.3 目标物体在图像中的定位 | 第60-61页 |
| 4.4 改进SIFT算法的实验结果与分析 | 第61-69页 |
| 4.4.1 对比度变化的实验结果与分析 | 第61-63页 |
| 4.4.2 目标识别的实验效果与分析 | 第63-69页 |
| 4.5 本章小结 | 第69-70页 |
| 第5章 单目视觉的目标定位与抓取实验 | 第70-82页 |
| 5.1 目标工件的定位 | 第70-75页 |
| 5.1.1 目标定位的方法 | 第70-72页 |
| 5.1.2 基于标志点的单目定位 | 第72-75页 |
| 5.2 机械臂的运动学建模 | 第75-77页 |
| 5.2.1 机械臂运动学模型 | 第75-76页 |
| 5.2.1.1 机械臂的正运动学模型 | 第75-76页 |
| 5.2.1.2 机械臂逆运动学模型 | 第76页 |
| 5.2.2 机械臂与摄像机的空间关系 | 第76-77页 |
| 5.3 基于机械臂的目标工件抓取实验与分析 | 第77-81页 |
| 5.3.1 实验平台介绍 | 第77-79页 |
| 5.3.2 目标物体在场景图像中的识别 | 第79-80页 |
| 5.3.3 目标物体的定位 | 第80页 |
| 5.3.4 目标物体的抓取 | 第80-81页 |
| 5.4 本章小结 | 第81-82页 |
| 第6章 总结与展望 | 第82-84页 |
| 6.1 全文总结 | 第82-83页 |
| 6.2 展望 | 第83-84页 |
| 致谢 | 第84-85页 |
| 参考文献 | 第85-88页 |
| 攻读硕士学位期间的研究成果 | 第88页 |
