首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

基于头姿识别的机器人轮椅智能交互系统

摘要第4-5页
abstract第5页
第一章 绪论第8-15页
    1.1 研究背景与意义第8-10页
    1.2 国内外研究现状第10-12页
    1.3 主要研究内容第12-13页
    1.4 论文的组织结构与安排第13-15页
第二章 深度图像和点云的获取与预处理第15-27页
    2.1 引言第15页
    2.2 深度图像的获取第15-18页
        2.2.1 深度传感器Kinect第15-17页
        2.2.2 利用Kinect获取深度图像第17-18页
    2.3 深度图像预处理第18-23页
        2.3.1 原始深度图像的缺陷第18-19页
        2.3.2 基于深度阈值去除背景干扰第19-20页
        2.3.3 基于中值滤波消除噪声第20-22页
        2.3.4 基于形态学滤波去除孔洞第22-23页
    2.4 获取点云数据第23-24页
    2.5 点云数据预处理第24-26页
    2.6 本章小结第26-27页
第三章 基于随机森林的头部姿态粗略估计第27-38页
    3.1 引言第27页
    3.2 随机森林算法概述第27-32页
        3.2.1 构建决策树第28-30页
        3.2.2 构建森林第30-32页
    3.3 构建计算头姿的随机森林第32-35页
        3.3.1 头部姿态训练样本第32-34页
        3.3.2 节点分裂方法第34页
        3.3.3 头姿结果投票方法第34-35页
    3.4 随机森林估计头部姿态实验结果与分析第35-37页
    3.5 本章小结第37-38页
第四章 基于随机森林结合ICP算法的精确头部姿态计算第38-55页
    4.1 引言第38页
    4.2 ICP算法第38-44页
        4.2.1 ICP算法概述第38-39页
        4.2.2 最近邻搜索第39-41页
        4.2.3 ICP算法实现第41-43页
        4.2.4 ICP算法计算头姿第43-44页
    4.3 建立个人头部点云模板第44-47页
    4.4 ICP算法结合随机森林算法第47-51页
    4.5 头姿计算实验与结果分析第51-54页
        4.5.1 头部姿态计算实验结果第51-52页
        4.5.2 实验数据测试与分析第52-53页
        4.5.3 头部姿态算法稳定性分析第53-54页
    4.6 本章小结第54-55页
第五章 基于头姿识别的智能轮椅人机交互系统设计第55-69页
    5.1 引言第55页
    5.2 系统硬件平台第55-57页
        5.2.1 智能轮椅结构第55-56页
        5.2.2 控制系统组成第56-57页
        5.2.3 上位机与轮椅通信协议第57页
    5.3 系统软件实现第57-63页
        5.3.1 头姿控制方式与电子差速算法第57-61页
        5.3.2 软件模块概述与实现第61-63页
    5.4 轮椅实机控制实验第63-68页
    5.5 本章小结第68-69页
第六章 总结与展望第69-70页
    6.1 论文总结第69页
    6.2 工作展望第69-70页
参考文献第70-73页
附录1 攻读硕士学位期间申请的专利第73-74页
附录2 攻读硕士学位期间参加的科研项目第74-75页
致谢第75页

论文共75页,点击 下载论文
上一篇:步行街道微气候舒适度与使用状况研究
下一篇:痰喘宁合剂治疗痰湿蕴肺型小儿慢性咳嗽临床疗效观察