| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第11-21页 |
| 1.1 课题研究背景、意义及目的 | 第11-12页 |
| 1.2 室内移动服务机器人发展现状 | 第12-16页 |
| 1.2.1 国外室内移动服务机器人研究现状 | 第12-15页 |
| 1.2.2 国内室内移动服务机器人研究现状 | 第15-16页 |
| 1.3 服务机器人视觉相关技术 | 第16-18页 |
| 1.3.1 机器视觉系统 | 第16-17页 |
| 1.3.2 数字图像处理 | 第17-18页 |
| 1.4 本文的主要研究内容及工作安排 | 第18-21页 |
| 1.4.1 本文主要研究内容 | 第18页 |
| 1.4.2 研究工作安排 | 第18-21页 |
| 第2章 基于SLIC超像素与CRF的图像分割 | 第21-31页 |
| 2.1 引言 | 第21页 |
| 2.2 SLIC超像素图像分割算法 | 第21-22页 |
| 2.3 基于条件随机场的图像分割 | 第22-23页 |
| 2.4 基于SLIC超像素与条件随机场的图像分割方法 | 第23-27页 |
| 2.4.1 面向超像素融合的特征提取 | 第23-25页 |
| 2.4.2 基于SLIC与条件随机场的区域融合算法 | 第25-27页 |
| 2.5 图像分割实验结果与分析 | 第27-30页 |
| 2.6 本章小结 | 第30-31页 |
| 第3章 基于VOCUS系统的目标区域预选取 | 第31-49页 |
| 3.1 视觉注意力选择机制 | 第31-32页 |
| 3.2 视觉注意力选择概述 | 第32-34页 |
| 3.3 视觉注意力选择在机器人中的应用 | 第34-37页 |
| 3.4 VOCUS注意力选择系统 | 第37-41页 |
| 3.4.1 VOCUS注意力选择系统bottom-up部分 | 第38-39页 |
| 3.4.2 VOCUS注意力选择系统top-down部分 | 第39-41页 |
| 3.5 基于VOCUS的目标物体预选取注意力选择系统 | 第41-47页 |
| 3.5.1 目标物体模型训练 | 第42-44页 |
| 3.5.2 bottom-up与top-down显著性图 | 第44-45页 |
| 3.5.3 显著性图合成的仲裁机制 | 第45-46页 |
| 3.5.4 显著区域预选取实验结果 | 第46-47页 |
| 3.6 本章小结 | 第47-49页 |
| 第4章 待搜索目标的精匹配识别 | 第49-65页 |
| 4.1 图像匹配与识别技术概述 | 第49-53页 |
| 4.1.1 模式识别技术 | 第49-51页 |
| 4.1.2 基于图像匹配的识别技术 | 第51-53页 |
| 4.2 面向图像匹配的特征提取 | 第53-59页 |
| 4.2.1 SIFT点特征提取 | 第53-59页 |
| 4.2.2 颜色直方图特征提取 | 第59页 |
| 4.3 基于注意力选择预选取的物体识别 | 第59-62页 |
| 4.3.1 匹配特征自适应选取 | 第60-61页 |
| 4.3.2 SIFT匹配及目标物体轮廓计算 | 第61-62页 |
| 4.3.3 基于区域颜色直方图的物体匹配 | 第62页 |
| 4.4 SIFT特征点及颜色直方图匹配识别实验结果 | 第62-63页 |
| 4.5 本章小结 | 第63-65页 |
| 第5章 视觉搜索服务机器人设计方案及实现 | 第65-83页 |
| 5.1 引言 | 第65页 |
| 5.2 机器人硬件平台搭建 | 第65-73页 |
| 5.2.1 硬件平台整体结构组成 | 第65-66页 |
| 5.2.2 机器人器材选取 | 第66-67页 |
| 5.2.3 基于API的Win32串口通信 | 第67-71页 |
| 5.2.4 机器人硬件系统调试 | 第71-73页 |
| 5.3 搜索机器人软件系统设计 | 第73-78页 |
| 5.3.1 机器人搜索算法整体构架 | 第73-76页 |
| 5.3.2 机器人避障算法设计 | 第76-77页 |
| 5.3.3 目标物体预选取与识别算法设计 | 第77-78页 |
| 5.4 机器人搜索系统实验及调试 | 第78-82页 |
| 5.5 本章小结 | 第82-83页 |
| 第6章 总结与展望 | 第83-85页 |
| 6.1 论文工作总结 | 第83-84页 |
| 6.2 未来研究展望 | 第84-85页 |
| 参考文献 | 第85-91页 |
| 致谢 | 第91-93页 |
| 硕士期间发表的论文 | 第93-95页 |
| 作者简介 | 第95页 |
