矮化密植枣园视觉导航路径检测方法的研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第10-22页 |
| 1.1 课题研究及意义 | 第10-11页 |
| 1.2 国内外视觉导航路径检测研究现状 | 第11-17页 |
| 1.3 研究内容 | 第17-18页 |
| 1.4 研究方法及技术路线 | 第18-20页 |
| 1.4.1 研究方法 | 第18页 |
| 1.4.2 技术路线 | 第18-20页 |
| 1.5 本章小结 | 第20-22页 |
| 第二章 矮化密植枣园导航系统构成及图像采集 | 第22-28页 |
| 2.1 硬件系统组成 | 第22页 |
| 2.2 软件系统开发环境及构成 | 第22-23页 |
| 2.2.1 MFC开发环境简介 | 第22页 |
| 2.2.2 OpenCV软件介绍 | 第22-23页 |
| 2.2.3 系统功能框图 | 第23页 |
| 2.3 图像视频硬件采集平台的搭建 | 第23-26页 |
| 2.3.1 枣园机械化生产过程 | 第23-24页 |
| 2.3.2 田管时期图像采集 | 第24-25页 |
| 2.3.3 收获时期图像采集 | 第25-26页 |
| 2.4 本章小结 | 第26-28页 |
| 第三章 不同时期目标图像颜色特征的分析及识别 | 第28-34页 |
| 3.1 RGB颜色模型及图像剖面线原理 | 第28-29页 |
| 3.1.1 RGB颜色模型 | 第28页 |
| 3.1.2 图像剖面线原理 | 第28-29页 |
| 3.2 目标特征分析与识别 | 第29-32页 |
| 3.2.1 田管时期图像特征分析与识别 | 第29-31页 |
| 3.2.2 收获时期图像特征分析与识别 | 第31-32页 |
| 3.3 田管时期与收获时期环境模型化 | 第32-33页 |
| 3.4 本章小结 | 第33-34页 |
| 第四章 视觉导航路径提取算法 | 第34-56页 |
| 4.1 图像灰度化 | 第34-37页 |
| 4.1.1 色差法灰度化 | 第34页 |
| 4.1.2 传统方法灰度化 | 第34页 |
| 4.1.3 试验结果与讨论 | 第34-37页 |
| 4.2 图像二值化 | 第37-40页 |
| 4.2.1 传统二值化分割 | 第37页 |
| 4.2.2 大津法分割 | 第37-38页 |
| 4.2.3 行扫描自适应阈值分割提出及原理 | 第38页 |
| 4.2.4 试验结果与分析 | 第38-40页 |
| 4.3. 图像去噪 | 第40-50页 |
| 4.3.1 形态学处理 | 第41-42页 |
| 4.3.2 面积法去噪 | 第42-43页 |
| 4.3.3 垂直投影去噪 | 第43-44页 |
| 4.3.4 梯形扫描去噪算法 | 第44页 |
| 4.3.5 行间扫描去噪算法 | 第44-45页 |
| 4.3.6 试验结果与讨论 | 第45-50页 |
| 4.4 边缘点群检测 | 第50-54页 |
| 4.4.1 趋势线提出 | 第50-51页 |
| 4.4.2 点到直线距离提取边缘点原理 | 第51-54页 |
| 4.5 本章小结 | 第54-56页 |
| 第五章 视觉导航路径检测及试验 | 第56-66页 |
| 5.1 最小二乘法原理 | 第56-57页 |
| 5.2 导航基准线的生成 | 第57-58页 |
| 5.3 试验结果讨论 | 第58-60页 |
| 5.4 图像算法处理流程 | 第60页 |
| 5.5 算法性能试验结果及分析 | 第60-62页 |
| 5.6 误检情形的原因分析与总结 | 第62-65页 |
| 5.6.1 田管时期误检情形分析 | 第63-64页 |
| 5.6.2 收获时期误检情形分析 | 第64-65页 |
| 5.7 本章小结 | 第65-66页 |
| 第六章 结论与展望 | 第66-68页 |
| 6.1 结论 | 第66-67页 |
| 6.2 展望 | 第67-68页 |
| 参考文献 | 第68-72页 |
| 致谢 | 第72-74页 |
| 作者简介 | 第74-76页 |
| 石河子大学硕士研究生学位论文导师评阅表 | 第76页 |
