| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第14-25页 |
| 1.1 论文研究的背景 | 第14-16页 |
| 1.2 国内外物料搬运AGV研究应用现状 | 第16-17页 |
| 1.3 国内外视觉导引AGV研究现状 | 第17-22页 |
| 1.3.1 机器视觉导引AGV研究应用现状 | 第17-19页 |
| 1.3.2 机器视觉跟踪识别技术研究现状 | 第19-21页 |
| 1.3.3 机器视觉定位技术研究现状 | 第21-22页 |
| 1.4 研究的主要内容与组织结构 | 第22-25页 |
| 第二章 多特征融合稀疏表征的目标跟踪算法研究 | 第25-42页 |
| 2.1 粒子滤波理论 | 第25-29页 |
| 2.1.1 目标状态后验概率 | 第25-26页 |
| 2.1.2 重要性采样 | 第26-28页 |
| 2.1.3 目标状态估计 | 第28页 |
| 2.1.4 重采样流程 | 第28-29页 |
| 2.2 稀疏表示理论 | 第29-32页 |
| 2.3 仿射变换理论 | 第32-34页 |
| 2.4 快速粒子筛选法 | 第34页 |
| 2.5 特征选择 | 第34-35页 |
| 2.6 APG法稀疏方程求解 | 第35-36页 |
| 2.7 目标跟踪算法 | 第36-37页 |
| 2.8 本章实验 | 第37-41页 |
| 2.9 本章小结 | 第41-42页 |
| 第三章 目标跟踪识别融合算法研究 | 第42-69页 |
| 3.1 基于分类器的目标跟踪算法 | 第42-46页 |
| 3.1.1 分类器构建 | 第43-45页 |
| 3.1.2 分类器训练 | 第45-46页 |
| 3.2 目标识别算法 | 第46-54页 |
| 3.2.1 扫描窗口 | 第46-47页 |
| 3.2.2 特征描述 | 第47-48页 |
| 3.2.3 样本方差筛选 | 第48-49页 |
| 3.2.4 级联分类器筛选样本 | 第49-51页 |
| 3.2.5 基于学习机制的分类器修正 | 第51-53页 |
| 3.2.6 融合算法目标确定 | 第53-54页 |
| 3.3 本章跟踪识别算法流程 | 第54-56页 |
| 3.4 本章实验 | 第56-68页 |
| 3.4.1 目标跟踪性能测试试验 | 第56-66页 |
| 3.4.2 实地试验 | 第66-68页 |
| 3.5 本章小结 | 第68-69页 |
| 第四章 多视图视觉定位算法研究 | 第69-95页 |
| 4.1 多视图几何 | 第69-71页 |
| 4.2 基于点特征检测的图像匹配研究 | 第71-79页 |
| 4.2.1 点特征检测 | 第71-77页 |
| 4.2.2 点特征描述 | 第77-78页 |
| 4.2.3 点特征匹配 | 第78-79页 |
| 4.3 基于改进RANSAC算法的基础矩阵估计 | 第79-90页 |
| 4.3.1 传统RANSAC算法 | 第80-83页 |
| 4.3.2 传统RANSAC算法性能分析 | 第83页 |
| 4.3.3 改进RANSAC算法 | 第83-87页 |
| 4.3.4 模拟数据分析 | 第87-90页 |
| 4.4 实验研究 | 第90-94页 |
| 4.5 本章小结 | 第94-95页 |
| 第五章 视觉导引的物料搬运AGV系统开发及导航实现 | 第95-116页 |
| 5.1 视觉导引的物料搬运AGV系统 | 第95-100页 |
| 5.1.1 视觉导引的物料搬运AGV车体设计 | 第95-98页 |
| 5.1.2 基于CAN总线的AGV分布式车载控制系统 | 第98-100页 |
| 5.2 基于视觉的物料搬运AGV巡线导航 | 第100-115页 |
| 5.2.1 视觉导引AGV巡线导航参数计算 | 第100-103页 |
| 5.2.2 视觉导引物料搬运AGV巡线导航 | 第103-115页 |
| 5.3 本章小结 | 第115-116页 |
| 第六章 结论 | 第116-119页 |
| 6.1 全文总结及创新点 | 第116-118页 |
| 6.2 工作展望 | 第118-119页 |
| 参考文献 | 第119-128页 |
| 攻读博士学位期间取得的研究成果 | 第128-129页 |
| 致谢 | 第129-130页 |
| 附件 | 第130页 |