基于绿色作物特征提取不变性的立体视觉导航方法实现
| 摘要 | 第3-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 引言 | 第14-22页 |
| 1.1 课题背景及意义 | 第14-15页 |
| 1.2 研究现状 | 第15-18页 |
| 1.2.1 农业机器人导航技术国内外研究现状 | 第15-17页 |
| 1.2.2 图像特征提取国内外研究现状 | 第17-18页 |
| 1.3 课题来源及研究工作情况 | 第18页 |
| 1.4 论文的主要研究内容和章节安排 | 第18-22页 |
| 1.4.1 主要研究内容 | 第18-19页 |
| 1.4.2 论文章节安排 | 第19-22页 |
| 第二章 双目视觉系统 | 第22-28页 |
| 2.1 双目视觉系统原理 | 第24-25页 |
| 2.2 双目视觉导航系统结构 | 第25-26页 |
| 2.3 本章小结 | 第26-28页 |
| 第三章 双目视觉图像局部特征点提取 | 第28-60页 |
| 3.1 彩色模型空间的选择 | 第28-31页 |
| 3.2 基于SIFT算法不变性研究 | 第31-42页 |
| 3.2.1 SIFT算法尺度不变性 | 第31-36页 |
| 3.2.2 SIFT算法旋转不变性 | 第36-40页 |
| 3.2.3 SIFT算法光照不变性 | 第40-42页 |
| 3.3 SIFT改进算法的理论基础 | 第42-43页 |
| 3.3.1 朗伯光照模型 | 第42页 |
| 3.3.2 同态滤波 | 第42-43页 |
| 3.4 基于同态滤波的SIFT算法实现 | 第43-57页 |
| 3.4.1 基于同态滤波的尺度不变性 | 第43-52页 |
| 3.4.2 基于同态滤波的光照不变性 | 第52-55页 |
| 3.4.3 基于同态滤波的旋转不变性 | 第55-57页 |
| 3.5 本章小结 | 第57-60页 |
| 第四章 农业机器人导航边缘信息获取 | 第60-74页 |
| 4.1 边缘提取原理 | 第61-65页 |
| 4.1.1 基于一阶微分算子的边缘检测 | 第62-63页 |
| 4.1.2 基于二阶微分算子的边缘检测 | 第63-65页 |
| 4.2 边缘检测步骤 | 第65-72页 |
| 4.2.1 作物超绿特征提取 | 第65-66页 |
| 4.2.2 去除灰度图像中的噪声 | 第66-67页 |
| 4.2.3 边缘检测 | 第67-69页 |
| 4.2.4 边缘增强 | 第69-72页 |
| 4.3 本章小结 | 第72-74页 |
| 第五章 运动控制方法的研究与实验验证 | 第74-88页 |
| 5.1 实验平台与实验参数 | 第74-76页 |
| 5.1.1 硬件平台 | 第74-76页 |
| 5.1.2 软件平台 | 第76页 |
| 5.2 双目视觉置信密度图 | 第76-82页 |
| 5.2.1 作物高程图的构建 | 第77-80页 |
| 5.2.2 改进的作物置信密度图的构建 | 第80-82页 |
| 5.3 农业机器人导航控制策略 | 第82-84页 |
| 5.4 导航控制实验结果 | 第84-87页 |
| 5.5 本章总结 | 第87-88页 |
| 第六章 总结与展望 | 第88-90页 |
| 6.1 总结 | 第88页 |
| 6.2 展望 | 第88-90页 |
| 参考文献 | 第90-96页 |
| 致谢 | 第96页 |
