| 摘要 | 第1-15页 |
| Abstract | 第15-18页 |
| 第一章 绪论 | 第18-34页 |
| ·自主移动机器人及其传感器 | 第18-19页 |
| ·全向视觉的历史与发展概述 | 第19-22页 |
| ·多摄像机拼接全向视觉系统 | 第20-21页 |
| ·鱼眼镜头全向视觉系统 | 第21页 |
| ·折反射式全向视觉系统 | 第21-22页 |
| ·全向视觉在自主移动机器人中的应用研究现状及面临的挑战 | 第22-28页 |
| ·全向视觉在自主移动机器人中的应用研究现状 | 第22-26页 |
| ·全向视觉在自主移动机器人中的应用所面临的挑战 | 第26-28页 |
| ·论文研究的主要内容、贡献和论文组织结构 | 第28-34页 |
| ·论文研究的主要内容 | 第28-29页 |
| ·论文研究的主要贡献 | 第29-30页 |
| ·论文的组织结构 | 第30-34页 |
| 第二章 全向视觉系统的设计与标定 | 第34-52页 |
| ·单视点全向视觉系统的设计 | 第34-37页 |
| ·单视点全向视觉系统的标定 | 第37-38页 |
| ·NuBot 全向视觉系统的设计 | 第38-44页 |
| ·水平等比镜面的设计 | 第39-40页 |
| ·垂直等比镜面的设计 | 第40-41页 |
| ·新的组合镜面的设计及NuBot 全向视觉系统实现 | 第41-44页 |
| ·NuBot 全向视觉系统的标定 | 第44-51页 |
| ·标定问题描述 | 第45-46页 |
| ·与模型无关的标定算法设计 | 第46-48页 |
| ·实验结果与分析 | 第48-51页 |
| ·本章小结 | 第51-52页 |
| 第三章 基于图像熵的摄像机参数自动调节算法 | 第52-72页 |
| ·相关研究 | 第52-53页 |
| ·图像熵及其与摄像机参数的关系 | 第53-57页 |
| ·图像熵的定义 | 第54页 |
| ·图像熵与摄像机参数的关系 | 第54-57页 |
| ·基于图像熵的摄像机参数自动调节算法 | 第57-59页 |
| ·实验及结果分析 | 第59-65页 |
| ·室内环境实验及结果 | 第59-61页 |
| ·室外环境实验及结果 | 第61-64页 |
| ·实验结果讨论 | 第64-65页 |
| ·算法的拓展应用 | 第65-69页 |
| ·算法在普通透视成像摄像机中的应用 | 第65-69页 |
| ·摄像机其它参数的调节应用 | 第69页 |
| ·本章小结 | 第69-72页 |
| 第四章 两种新的应用于全向视觉的实时局部视觉特征 | 第72-96页 |
| ·FAST、LBP 和CS-LBP 介绍 | 第73-77页 |
| ·FAST 算法 | 第74-75页 |
| ·LBP 算法 | 第75-76页 |
| ·CS-LBP 算法 | 第76-77页 |
| ·两种新的用于全向视觉的局部视觉特征 | 第77-80页 |
| ·FAST 特征检测子 | 第77-78页 |
| ·特征区域确定方法 | 第78-79页 |
| ·LBP 和CS-LBP 特征描述子 | 第79-80页 |
| ·实验评估和结果讨论 | 第80-93页 |
| ·实验设置 | 第80-82页 |
| ·FAST+LBP 算法最优参数的确定 | 第82-84页 |
| ·FAST+CSLBP 算法最优参数的确定 | 第84-86页 |
| ·FAST+LBP、FAST+CSLBP 和SIFT 性能比较 | 第86-91页 |
| ·FAST+LBP、FAST+CSLBP 和SIFT 算法时间的比较 | 第91-92页 |
| ·算法特点总结和针对图像噪声的补充实验 | 第92-93页 |
| ·本章小结 | 第93-96页 |
| 第五章 基于全向视觉的任意足球识别算法 | 第96-110页 |
| ·相关研究 | 第96-97页 |
| ·足球在NuBot 全向视觉中的成像特性分析 | 第97-100页 |
| ·基于全向视觉的任意足球识别算法 | 第100-103页 |
| ·检测任意足球的图像处理算法 | 第100-102页 |
| ·结合球速估计的足球跟踪算法 | 第102-103页 |
| ·实验结果及讨论 | 第103-108页 |
| ·实验结果 | 第103-107页 |
| ·算法的优点和不足 | 第107-108页 |
| ·本章小结 | 第108-110页 |
| 第六章 结构化环境中基于全向视觉的机器人自定位 | 第110-122页 |
| ·相关研究 | 第110-113页 |
| ·粒子滤波定位方法 | 第111-112页 |
| ·匹配优化定位方法 | 第112-113页 |
| ·两种自定位方法的优点和不足 | 第113页 |
| ·一种新的鲁棒的机器人自定位方法 | 第113-115页 |
| ·实验及结果分析 | 第115-121页 |
| ·遮挡情况下的自定位 | 第115-117页 |
| ·全局自定位 | 第117-118页 |
| ·不同光线条件下的自定位 | 第118-120页 |
| ·算法的实时性能 | 第120-121页 |
| ·本章小结 | 第121-122页 |
| 第七章 非结构化环境中基于全向视觉地点识别的机器人拓扑定位 | 第122-142页 |
| ·相关研究现状 | 第123-124页 |
| ·特征袋方法和支持向量机介绍 | 第124-127页 |
| ·特征袋方法 | 第125页 |
| ·支持向量机 | 第125-127页 |
| ·基于局部视觉特征袋和支持向量机的机器人地点识别算法 | 第127-131页 |
| ·基于全向视觉的机器人拓扑定位实验及结果分析 | 第131-140页 |
| ·实验设置 | 第131-132页 |
| ·局部视觉特征的选择对算法性能的影响 | 第132-134页 |
| ·K-Means 聚类数目对算法性能的影响 | 第134页 |
| ·核函数的选择对算法性能的影响 | 第134-135页 |
| ·特征库的完备性对算法性能的影响 | 第135页 |
| ·最优的参数设置和训练条件下的算法性能 | 第135-138页 |
| ·视觉系统遮挡情况对算法性能的影响 | 第138-139页 |
| ·算法的实时性能及所需内存开销的分析 | 第139-140页 |
| ·本章小结 | 第140-142页 |
| 第八章 结论与展望 | 第142-146页 |
| ·论文工作总结 | 第142-144页 |
| ·进一步工作的展望 | 第144-146页 |
| 致谢 | 第146-150页 |
| 参考文献 | 第150-167页 |
| 作者在学期间取得的学术成果及获得的奖励等情况 | 第167-170页 |
