基于计算机视觉的移动机器人全局定位系统研究
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-6页 |
| 目录 | 第6-8页 |
| 第一章 绪论 | 第8-17页 |
| ·国内外著名的机器人实验室 | 第8-9页 |
| ·移动机器人的定位导航研究现状 | 第9-14页 |
| ·环境模型 | 第9-11页 |
| ·定位方法 | 第11-14页 |
| ·移动机器人的视觉导航技术研究现状 | 第14-15页 |
| ·选题依据 | 第15-16页 |
| ·主要研究内容 | 第16-17页 |
| 第二章 移动机器人的视觉定位系统设计 | 第17-35页 |
| ·本文涉及的坐标系统及相关符号约定 | 第17页 |
| ·数字摄像机基本知识 | 第17-22页 |
| ·摄像机模型 | 第17-19页 |
| ·摄像机标定 | 第19-21页 |
| ·云台系统标定 | 第21-22页 |
| ·基于双视图的目标定位方法 | 第22-25页 |
| ·双目视觉模型 | 第22-23页 |
| ·基本矩阵F | 第23-24页 |
| ·本质矩阵E | 第24-25页 |
| ·图像匹配技术 | 第25-27页 |
| ·基于灰度的匹配方法 | 第25-26页 |
| ·基于特征的匹配方法 | 第26-27页 |
| ·视觉定位系统设计 | 第27-35页 |
| ·图像采集 | 第28-30页 |
| ·图像处理 | 第30页 |
| ·数据分析 | 第30-35页 |
| 第三章 SIFT特征匹配技术 | 第35-49页 |
| ·宽基线特征匹配概述 | 第35-36页 |
| ·SIFT特征匹配 | 第36-42页 |
| ·图像的多尺度描述 | 第36页 |
| ·算法描述 | 第36-42页 |
| ·SIFT算法改进 | 第42-43页 |
| ·KD-Tree最临近搜索算法 | 第43-46页 |
| ·KD-Tree的基本思想 | 第43-44页 |
| ·KD-Tree的构造 | 第44-45页 |
| ·KD-Tree的查询 | 第45-46页 |
| ·KD-Tree数据结构总结 | 第46页 |
| ·RANSAC算法 | 第46-49页 |
| 第四章 系统实现及测试 | 第49-57页 |
| ·测试系统配置 | 第49页 |
| ·系统实现及性能测试 | 第49-57页 |
| ·图像采集 | 第49-50页 |
| ·SIFT特征匹配 | 第50-54页 |
| ·数据分析模块 | 第54-57页 |
| 第五章 总结及展望 | 第57-60页 |
| ·全文总结 | 第57-58页 |
| ·未来的研究方向 | 第58-60页 |
| 致谢 | 第60-61页 |
| 参考文献 | 第61-63页 |
| 攻读学位期间所发表的学术论文 | 第63页 |
