基于视觉的乒乓球及击球人识别系统研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第10-15页 |
| 1.1 研究背景及意义 | 第10页 |
| 1.2 国内外研究现状 | 第10-13页 |
| 1.3 本文主要内容和结构安排 | 第13-15页 |
| 1.3.1 本文主要内容 | 第13-14页 |
| 1.3.2 论文结构安排 | 第14-15页 |
| 第二章 实时乒乓球机器人视觉系统总体设计 | 第15-20页 |
| 2.1 基于双目视觉的回球位姿预测模块 | 第15-17页 |
| 2.1.1 双目视觉系统结构设计 | 第15-17页 |
| 2.1.2 回球参数获取过程 | 第17页 |
| 2.2 基于Kinect的击球人手势身份识别模块 | 第17-19页 |
| 2.3 本章小结 | 第19-20页 |
| 第三章 融合颜色模型下乒乓球快速跟踪与定位 | 第20-34页 |
| 3.1 融合颜色模型概述 | 第20-25页 |
| 3.1.1 颜色模型简介 | 第20-22页 |
| 3.1.2 基于融合颜色模型乒乓球分割原理 | 第22-25页 |
| 3.2 场景中的乒乓球检测与跟踪 | 第25-28页 |
| 3.2.1 乒乓球的检测与跟踪过程 | 第25页 |
| 3.2.2 图像中的乒乓球提取与定位方法 | 第25-26页 |
| 3.2.3 基于ROI技术的乒乓球实时跟踪 | 第26-28页 |
| 3.3 基于OpenCV的相机标定和三维重建 | 第28-32页 |
| 3.3.1 相机标定原理简介 | 第28-29页 |
| 3.3.2 乒乓球三维位置重建 | 第29-30页 |
| 3.3.3 坐标系转换 | 第30-32页 |
| 3.4 实验结果分析 | 第32页 |
| 3.5 本章小结 | 第32-34页 |
| 第四章 乒乓球轨迹预测及击球策略设计 | 第34-44页 |
| 4.1 乒乓球运动模型概述 | 第34-36页 |
| 4.1.1 飞行模型简介 | 第34-35页 |
| 4.1.2 碰撞模型简介 | 第35-36页 |
| 4.2 基于初状态反馈调节的轨迹预测 | 第36-37页 |
| 4.3 击球策略的设计 | 第37-41页 |
| 4.3.1 初始点、采样结束点和击球点的筛选 | 第37-39页 |
| 4.3.2 球拍位姿的确定 | 第39-41页 |
| 4.3.3 对挥拍速度的讨论 | 第41页 |
| 4.4 实验结果分析 | 第41-43页 |
| 4.4.1 仿真结果分析 | 第41-43页 |
| 4.4.2 机械臂击球实验分析 | 第43页 |
| 4.5 本章小结 | 第43-44页 |
| 第五章 击球人手势身份识别 | 第44-53页 |
| 5.1 手势身份识别概述 | 第44-45页 |
| 5.1.1 手势识别简介 | 第44页 |
| 5.1.2 基于动态手势的用户生物识别技术 | 第44-45页 |
| 5.1.3 动作数据采集 | 第45页 |
| 5.2 有效手势序列分割 | 第45-47页 |
| 5.2.1 数据预处理 | 第45-46页 |
| 5.2.2 手势分割 | 第46-47页 |
| 5.3 基于改进DTW算法的手势身份识别 | 第47页 |
| 5.3.1 动态时间规整算法 | 第47页 |
| 5.3.2 最优路径下的融合模板 | 第47页 |
| 5.4 基于双向门限循环网络的手势身份识别 | 第47-50页 |
| 5.4.1 门限循环单元简介 | 第48-49页 |
| 5.4.2 基于Bi-GRU的生物识别网络构建 | 第49-50页 |
| 5.4.3 网络参数设置和训练细节 | 第50页 |
| 5.5 实验分析 | 第50-52页 |
| 5.5.1 手势识别 | 第50-51页 |
| 5.5.2 基于手势的身份识别 | 第51-52页 |
| 5.6 本章小结 | 第52-53页 |
| 第六章 总结与展望 | 第53-55页 |
| 6.1 全文总结 | 第53页 |
| 6.2 研究展望 | 第53-55页 |
| 参考文献 | 第55-59页 |
| 攻读硕士学位期间研究成果 | 第59-60页 |
| 致谢 | 第60页 |
