基于图像兴趣点的移动机器人目标识别技术研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 课题来源及研究目的和意义 | 第9页 |
| 1.2 国内外研究现状及分析 | 第9-13页 |
| 1.2.1 基于图像外观方法 | 第9-10页 |
| 1.2.2 基于立体视觉方法 | 第10-11页 |
| 1.2.3 基于兴趣点方法 | 第11-13页 |
| 1.3 主要研究内容 | 第13-14页 |
| 1.4 论文结构 | 第14-15页 |
| 第2章 预处理和兴趣点算法 | 第15-33页 |
| 2.1 预处理 | 第15-18页 |
| 2.1.1 中值滤波 | 第15-16页 |
| 2.1.2 高斯滤波 | 第16-17页 |
| 2.1.3 均值滤波 | 第17-18页 |
| 2.2 Harris 算法 | 第18-19页 |
| 2.3 SIFT 算法 | 第19-32页 |
| 2.3.1 尺度空间极值点检测 | 第20-24页 |
| 2.3.2 兴趣点定位 | 第24-27页 |
| 2.3.3 方向分配 | 第27-28页 |
| 2.3.4 兴趣点描述 | 第28-32页 |
| 2.4 本章小结 | 第32-33页 |
| 第3章 基于 SIFT 算法的目标识别 | 第33-49页 |
| 3.1 兴趣点匹配 | 第33-40页 |
| 3.1.1 相似性度量 | 第33-35页 |
| 3.1.2 搜索策略 | 第35-37页 |
| 3.1.3 匹配阈值的选择 | 第37-40页 |
| 3.2 消除错匹配 | 第40-43页 |
| 3.3 基于 SIFT 算法的目标识别 | 第43-47页 |
| 3.4 本章小结 | 第47-49页 |
| 第4章 识别方法的改进与实现 | 第49-61页 |
| 4.1 角度计算与轮廓检测 | 第49-52页 |
| 4.1.1 角度计算 | 第49-51页 |
| 4.1.2 轮廓检测 | 第51-52页 |
| 4.2 匹配策略和识别方法的改进 | 第52-56页 |
| 4.2.1 匹配策略的改进 | 第52-53页 |
| 4.2.2 机器人识别方案的改进 | 第53-56页 |
| 4.3 在线的目标识别 | 第56-59页 |
| 4.4 对其他目标的识别 | 第59-60页 |
| 4.5 本章小结 | 第60-61页 |
| 结论 | 第61-62页 |
| 参考文献 | 第62-68页 |
| 致谢 | 第68页 |
