| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 目录 | 第8-10页 |
| 第1章 绪论 | 第10-19页 |
| 1.1 自主移动机器人的发展历程和现状 | 第10-13页 |
| 1.1.1 机器人研究的发展历程 | 第10页 |
| 1.1.2 移动机器人研究的现状 | 第10-12页 |
| 1.1.3 移动机器人的发展趋势 | 第12-13页 |
| 1.2 自主移动机器人中的关键技术 | 第13页 |
| 1.3 移动机器人的视觉图像处理技术 | 第13-16页 |
| 1.3.1 视觉图像处理技术在导航中的应用 | 第14-15页 |
| 1.3.2 视觉图像处理技术在目标识别与跟踪中应用 | 第15-16页 |
| 1.3.3 移动机器人视觉系统的发展趋势 | 第16页 |
| 1.4 课题背景及意义 | 第16页 |
| 1.5 课题来源和主要内容 | 第16-19页 |
| 第2章 图像预处理方法及其实现 | 第19-37页 |
| 2.1 数字图像处理的主要方法和对象 | 第19-20页 |
| 2.2 图像质量评价——模糊度因子 | 第20-21页 |
| 2.3 图像增强 | 第21-36页 |
| 2.3.1 直方图增强法 | 第22-25页 |
| 2.3.2 图像平滑方法及比较 | 第25-33页 |
| 2.3.3 边缘锐化 | 第33-36页 |
| 2.4 本章小结 | 第36-37页 |
| 第3章 户外环境图像特征的描述与提取 | 第37-52页 |
| 3.1 矩的概念 | 第37-38页 |
| 3.2 颜色特征的描述与提取 | 第38-43页 |
| 3.2.1 颜色特征描述方法 | 第38-39页 |
| 3.2.2 颜色矩法提取颜色特征 | 第39-40页 |
| 3.2.3 图像旋转及尺度变化对颜色矩法的影响 | 第40-43页 |
| 3.3 纹理特征的描述与提取 | 第43-48页 |
| 3.3.1 纹理特征描述方法 | 第44页 |
| 3.3.2 灰度共生矩阵提取纹理特征 | 第44-45页 |
| 3.3.3 图像旋转及尺度变化对共生矩阵法的影响 | 第45-48页 |
| 3.4 形状特征的描述与提取 | 第48-51页 |
| 3.4.1 形状特征描述方法 | 第48-49页 |
| 3.4.2 Hu 不变矩提取形状特征 | 第49-50页 |
| 3.4.3 图像旋转及尺度变化对 Hu 不变矩法的影响 | 第50-51页 |
| 3.5 本章小结 | 第51-52页 |
| 第4章 地形（障碍物）特征提取、选择与分类 | 第52-70页 |
| 4.1 地形特征的提取与入库 | 第52-54页 |
| 4.2 K 近邻分类器 | 第54-57页 |
| 4.2.1 距离测度 | 第55页 |
| 4.2.2 K 近邻法分类原理 | 第55-56页 |
| 4.2.3 K 近邻方法的不足 | 第56-57页 |
| 4.2.4 K 值的选择 | 第57页 |
| 4.3 针对原始特征的测试及结果 | 第57-60页 |
| 4.4 对原始特征的统计分析 | 第60-64页 |
| 4.4.1 原始颜色特征的统计分析 | 第60-61页 |
| 4.4.2 原始纹理特征的统计分析 | 第61-63页 |
| 4.4.3 原始形状特征的统计分析 | 第63-64页 |
| 4.5 原始特征的选择和降维 | 第64-68页 |
| 4.5.1 定义可分性因子 | 第64-66页 |
| 4.5.2 可分性分析与降维 | 第66页 |
| 4.5.3 针对降维后特征的测试及结果 | 第66-68页 |
| 4.6 本章小结 | 第68-70页 |
| 第5章 地形（障碍物）分类系统的软件设计与实现 | 第70-78页 |
| 5.1 总体设计 | 第70-71页 |
| 5.2 系统主要功能 | 第71-74页 |
| 5.2.1 系统界面 | 第71页 |
| 5.2.2 特征数据库处理 | 第71-74页 |
| 5.2.3 分类识别操作 | 第74页 |
| 5.3 户外实验验证 | 第74-77页 |
| 5.3.1 旅行家Ⅱ号轮式移动机器人 | 第75页 |
| 5.3.2 地形（障碍物）的分类实验 | 第75-77页 |
| 5.4 本章小结 | 第77-78页 |
| 结论 | 第78-80页 |
| 参考文献 | 第80-85页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第85-86页 |
| 致谢 | 第86-87页 |
| 附录 | 第87-89页 |