| 摘要 | 第1-5页 |
| ABSTRACT | 第5-10页 |
| 第一章 绪论 | 第10-16页 |
| ·移动机器人环境感知和物体识别的研究意义 | 第10-11页 |
| ·移动机器人环境感知和物体识别的研究现状 | 第11-14页 |
| ·基于多超声波传感器的移动机器人环境感知和识别方法 | 第11页 |
| ·基于视觉的移动机器人物体图像特征提取方法 | 第11-13页 |
| ·移动机器人的物体识别方法 | 第13-14页 |
| ·研究内容与论文结构 | 第14-16页 |
| 第二章 支持向量机分类算法 | 第16-27页 |
| ·引言 | 第16-17页 |
| ·统计学习理论 | 第17-19页 |
| ·支持向量机理论 | 第19-24页 |
| ·最优分类超平面 | 第19-21页 |
| ·支持向量机 | 第21-23页 |
| ·支持向量机核函数 | 第23-24页 |
| ·支持向量机的特点 | 第24页 |
| ·支持向量机在目标识别中的应用 | 第24-26页 |
| ·本章小结 | 第26-27页 |
| 第三章 基于多超声波传感器的移动机器人环境识别 | 第27-39页 |
| ·引言 | 第27-28页 |
| ·多超声波传感器测距原理与系统描述 | 第28-30页 |
| ·超声波测距原理 | 第28-29页 |
| ·多超声波传感器系统描述 | 第29-30页 |
| ·移动机器人环境特征提取与建模 | 第30-32页 |
| ·支持向量机分类算法的实现 | 第32-34页 |
| ·仿真实验与结果分析 | 第34-37页 |
| ·实验方法 | 第34-35页 |
| ·核函数选择 | 第35-36页 |
| ·惩罚系数选择 | 第36-37页 |
| ·对比实验 | 第37页 |
| ·本章小结 | 第37-39页 |
| 第四章 基于视觉的移动机器人物体图像综合特征提取 | 第39-78页 |
| ·引言 | 第39-40页 |
| ·图像综合特征提取的相关理论 | 第40-46页 |
| ·图像形状特征的提取 | 第40-43页 |
| ·图像纹理特征的提取 | 第43-44页 |
| ·图像颜色特征的提取 | 第44-46页 |
| ·基于面积比的仿射不变量的形状特征提取 | 第46-52页 |
| ·图像的偏移质心 | 第47-48页 |
| ·图像仿射区域的划分 | 第48-49页 |
| ·图像仿射不变量的构造 | 第49-52页 |
| ·基于灰度共生矩阵的纹理特征提取 | 第52-55页 |
| ·基于加权分块颜色直方图的颜色特征提取 | 第55-59页 |
| ·颜色量化 | 第55-56页 |
| ·颜色直方图的生成 | 第56-57页 |
| ·图像矩形重叠分块方法 | 第57-58页 |
| ·加权分块主色颜色直方图的生成 | 第58-59页 |
| ·仿真实验与性能分析 | 第59-77页 |
| ·图像形状特征提取的实验分析 | 第60-67页 |
| ·图像纹理特征提取的实验分析 | 第67-74页 |
| ·图像颜色特征提取的实验分析 | 第74-77页 |
| ·本章小结 | 第77-78页 |
| 第五章 基于支持向量机的移动机器人物体识别 | 第78-85页 |
| ·引言 | 第78页 |
| ·用于物体识别的SVM 算法的实现 | 第78-80页 |
| ·仿真实验与结果分析 | 第80-84页 |
| ·实验设置 | 第80-81页 |
| ·实验方法 | 第81页 |
| ·实验结果及分析 | 第81-84页 |
| ·本章小结 | 第84-85页 |
| 第六章 总结与展望 | 第85-87页 |
| ·工作内容总结 | 第85-86页 |
| ·未来工作展望 | 第86-87页 |
| 参考文献 | 第87-91页 |
| 致谢 | 第91-92页 |
| 攻读学位期间发表的学术论文与取得的其他研究成果 | 第92页 |