基于视觉信息的移动机器人路面环境分析方法研究
摘要 | 第1-5页 |
abstract | 第5-8页 |
第一章 绪论 | 第8-16页 |
·本课题的研究背景及意义 | 第8-9页 |
·室外移动机器人发展现状 | 第9-13页 |
·国内室外移动机器人发展 | 第9-11页 |
·国外室外移动机器人发展 | 第11-13页 |
·移动机器人视觉相关技术的研究现状 | 第13-15页 |
·常用的几种视觉导航技术 | 第13页 |
·移动机器人道路检测中的算法 | 第13-14页 |
·移动机器人运动模糊图像复原技术 | 第14-15页 |
·本文主要研究内容 | 第15-16页 |
第二章 基于机器人视觉的道路环境识别方法分析 | 第16-28页 |
·引言 | 第16页 |
·移动机器人视觉系统 | 第16-18页 |
·常用的道路环境识别方法 | 第18-23页 |
·基于单一环境特征分类实验 | 第23-27页 |
·本章小结 | 第27-28页 |
第三章 环境路面特征信息提取 | 第28-48页 |
·引言 | 第28页 |
·路面环境颜色特征提取 | 第28-37页 |
·路面环境图像的色彩空间 | 第28-30页 |
·路面环境颜色特征提取方法 | 第30-33页 |
·路面环境颜色特征提取实验 | 第33-37页 |
·路面环境纹理特征提取 | 第37-47页 |
·路面环境纹理特征提取方法 | 第37-41页 |
·基于灰度共生矩阵法纹理信息采集 | 第41-44页 |
·小波变换法纹理特征提取 | 第44-47页 |
·本章小结 | 第47-48页 |
第四章 基于支持向量机的路面识别研究 | 第48-64页 |
·引言 | 第48页 |
·几种常用分类器 | 第48-53页 |
·BP神经网络分类器 | 第48-49页 |
·贝叶斯分类器 | 第49-50页 |
·K近邻分类器 | 第50-51页 |
·支持向量机分类器 | 第51-53页 |
·基于支持向量机的路面环境分类实验 | 第53-62页 |
·路面环境分类实验流程 | 第53页 |
·路面环境分类实验仪器 | 第53-55页 |
·路面环境离线分类实验 | 第55-60页 |
·路面环境实时分类实验 | 第60-62页 |
·本章小结 | 第62-64页 |
第五章 结论 | 第64-66页 |
参考文献 | 第66-70页 |
致谢 | 第70页 |