| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第10-20页 |
| 1.1 课题研究背景及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-15页 |
| 1.2.1 双目立体视觉研究现状 | 第11-13页 |
| 1.2.2 机器人定位系统研究现状 | 第13-15页 |
| 1.3 双目视觉定位系统的关键技术 | 第15-17页 |
| 1.4 本文的主要研究内容和结构安排 | 第17-20页 |
| 1.4.1 主要研究内容及技术路线 | 第17-18页 |
| 1.4.2 本文的结构安排 | 第18-20页 |
| 第2章 双目立体视觉原理及其系统实现 | 第20-30页 |
| 2.1 机器人双目立体视觉定位原理 | 第20-24页 |
| 2.1.1 三边测量原理 | 第20页 |
| 2.1.2 坐标系的建立与转换 | 第20-22页 |
| 2.1.3 三维重建原理 | 第22-24页 |
| 2.2 旅行家Ⅱ号机器人及其双目立体视觉系统 | 第24-25页 |
| 2.2.1 旅行家Ⅱ号机器人及其工作环境 | 第24-25页 |
| 2.2.2 BB2双目立体视觉定位系统 | 第25页 |
| 2.3 摄像机标定 | 第25-26页 |
| 2.4 系统开发环境 | 第26-27页 |
| 2.5 功能模块的软件实现 | 第27-29页 |
| 2.5.1 系统功能 | 第27-28页 |
| 2.5.2 设置模块 | 第28页 |
| 2.5.3 特征提取与描述模块 | 第28-29页 |
| 2.5.4 聚类模块 | 第29页 |
| 2.5.5 图像搜索与识别模块 | 第29页 |
| 2.5.6 定位模块 | 第29页 |
| 2.6 本章小结 | 第29-30页 |
| 第3章 基于自适应DTFAST-SIFT的分域特征描述方法及其立体匹配实验研究 | 第30-50页 |
| 3.1 基于SIFT算法的特征点提取与描述方法的研究 | 第30-36页 |
| 3.1.1 尺度空间极值点检测 | 第30-32页 |
| 3.1.2 关键点定位 | 第32-33页 |
| 3.1.3 关键点方向赋值 | 第33-34页 |
| 3.1.4 关键点描述符 | 第34-35页 |
| 3.1.5 基于SIFT算法的墙角特征提取实验 | 第35-36页 |
| 3.2 基于优化FAST算法的特征点提取 | 第36-42页 |
| 3.2.1 FAST特征点提取算法基本原理 | 第36-38页 |
| 3.2.2 双阈值FAST算法 | 第38-39页 |
| 3.2.3 基于KSW熵的自适应DTFAST算法 | 第39-40页 |
| 3.2.4 基于KSW熵的自适应DTFAST算法的墙角特征提取实验 | 第40-42页 |
| 3.3 分域特征点描述方法 | 第42-43页 |
| 3.4 不同特征提取与分域描述方法的立体匹配实验及对比分析 | 第43-47页 |
| 3.4.1 SIFT特征匹配 | 第43-44页 |
| 3.4.2 基于SIFT算法的立体匹配实验 | 第44-47页 |
| 3.5 本章小结 | 第47-50页 |
| 第4章 墙角识别与机器人定位 | 第50-60页 |
| 4.1 墙角特征SIFT描述 | 第50-52页 |
| 4.2 聚类中心特征描述 | 第52-55页 |
| 4.2.1 K-means算法概述 | 第52-54页 |
| 4.2.2 基于K-means算法的墙角聚类中心描述 | 第54-55页 |
| 4.3 墙角搜索与匹配识别 | 第55-56页 |
| 4.4 机器人定位 | 第56-58页 |
| 4.5 本章小节 | 第58-60页 |
| 第5章 总结 | 第60-62页 |
| 5.1 总结 | 第60页 |
| 5.2 下一步科研计划 | 第60-62页 |
| 参考文献 | 第62-68页 |
| 作者简介及科研成果 | 第68-70页 |
| 致谢 | 第70页 |
