| 摘要 | 第1-9页 |
| ABSTRACT | 第9-10页 |
| 第一章 绪论 | 第10-16页 |
| ·课题研究背景和意义 | 第10-11页 |
| ·课题研究现状和发展趋势 | 第11-14页 |
| ·课题研究的主要内容 | 第14-16页 |
| ·论文的组织结构 | 第14页 |
| ·课题研究的创新点 | 第14-16页 |
| 第二章 户外环境下移动机器人视觉导航框架 | 第16-24页 |
| ·户外环境下移动机器人视觉导航的关键技术分析 | 第16-20页 |
| ·视觉里程计技术 | 第16-17页 |
| ·图像分割和地形分类技术 | 第17页 |
| ·基于视觉的可通行区域识别技术 | 第17-18页 |
| ·户外移动机器人避障 | 第18页 |
| ·基于自监督学习的远距离视觉技术 | 第18-20页 |
| ·户外环境下移动机器人视觉导航框架设计 | 第20-22页 |
| ·本文在户外移动机器人视觉导航中的工作 | 第22页 |
| ·小结 | 第22-24页 |
| 第三章 户外静态图像快速分割算法 | 第24-42页 |
| ·图像分割算法概述 | 第24-27页 |
| ·图像分割 | 第24-25页 |
| ·典型图像分割算法 | 第25-27页 |
| ·改进的基于均值偏移的图像快速分割算法 | 第27-35页 |
| ·均值偏移算法 | 第28-31页 |
| ·改进的均值偏移算法 | 第31-35页 |
| ·实验结果及讨论 | 第35-40页 |
| ·户外图像采集处理系统简介 | 第35页 |
| ·图像尺度变换与分析 | 第35-36页 |
| ·不同色彩空间下图像处理与分析 | 第36-38页 |
| ·不同核函数下图像处理与分析 | 第38页 |
| ·最优参数的确定 | 第38-39页 |
| ·图像分割结果 | 第39-40页 |
| ·小结 | 第40-42页 |
| 第四章 户外图像特征提取和可通行区域识别 | 第42-64页 |
| ·户外图像特征描述 | 第42-49页 |
| ·常用特征向量 | 第42-45页 |
| ·LBP特征向量 | 第45-48页 |
| ·CS-LBP特征向量 | 第48-49页 |
| ·可通行区域识别 | 第49-53页 |
| ·支持向量机基本原理 | 第49-50页 |
| ·基于支持向量机的可通行区域识别 | 第50-51页 |
| ·支持向量机最优参数的确定 | 第51-53页 |
| ·实验结果及讨论 | 第53-59页 |
| ·常用颜色特征和纹理特征下算法识别性能分析 | 第53-54页 |
| ·LBP特征值受参数变化影响 | 第54-55页 |
| ·LBP特征不同模式下算法识别性能分析 | 第55-56页 |
| ·支持向量机中参数变化对算法识别性能的影响 | 第56-57页 |
| ·支持向量机中数据归一化对算法识别性能的影响 | 第57-58页 |
| ·支持向量机中数据进行PCA降维处理对算法识别性能的影响 | 第58-59页 |
| ·分类识别算法的最优参数设置及性能分析 | 第59-62页 |
| ·小结 | 第62-64页 |
| 第五章 结论与展望 | 第64-66页 |
| ·研究工作总结 | 第64-65页 |
| ·未来工作展望 | 第65-66页 |
| 致谢 | 第66-68页 |
| 参考文献 | 第68-74页 |
| 作者在学期间取得的学术成果 | 第74-75页 |
| 附录A 数据归一化程序 | 第75-76页 |
| 附录B PCA 降维处理程序 | 第76页 |