| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第1章 绪论 | 第9-19页 |
| ·课题研究的背景与意义 | 第9-15页 |
| ·课题提出的背景 | 第9-13页 |
| ·仿人形足球机器人及其关键技术的研究意义 | 第13页 |
| ·仿人形足球机器人视觉系统研究存在的问题 | 第13-15页 |
| ·仿人足球机器人视觉系统国内外研究现状 | 第15-16页 |
| ·本课题来源 | 第16页 |
| ·本文的主要内容与结构安排 | 第16-19页 |
| 第2章 球场球门柱和标识柱的定位以及球场边缘的提取 | 第19-37页 |
| ·引言 | 第19页 |
| ·图像的预处理 | 第19-33页 |
| ·基于 HSV 的彩色阈值分割的球场特征信息提取 | 第20-29页 |
| ·基于灰度直方图的二值化处理 | 第29-31页 |
| ·中值滤波 | 第31-33页 |
| ·基于线状卷积核的边缘提取 | 第33-35页 |
| ·本章小结 | 第35-37页 |
| 第3章 基于像素聚类的 Hough 变换场地线检测 | 第37-47页 |
| ·引言 | 第37页 |
| ·划分法像素的聚类 | 第37-40页 |
| ·基于 Hough 变换直线检测 | 第40-45页 |
| ·Hough 变换介绍 | 第40页 |
| ·Hough 变换的原理与算法 | 第40-45页 |
| ·本章小结 | 第45-47页 |
| 第4章 基于 Hopfield 神经网络球场交叉线识别 | 第47-63页 |
| ·引言 | 第47页 |
| ·交叉线分类及识别原理 | 第47-49页 |
| ·交叉线分类 | 第47-48页 |
| ·交叉线识别原理 | 第48-49页 |
| ·离散型 Hopfield 神经网络 | 第49-53页 |
| ·Hopfield 神经网络介绍 | 第49-50页 |
| ·离散型 Hopfield 神经网络模型 | 第50-51页 |
| ·离散 Hopfield 神经网络的稳定性分析 | 第51-53页 |
| ·Hopfield 模型的建立 | 第53-54页 |
| ·学习记忆样本选择 | 第53页 |
| ·采用 Hebb 算法确定权值 | 第53-54页 |
| ·交叉线类型识别 | 第54-59页 |
| ·交叉点位置确定和输入样本获取 | 第54-56页 |
| ·交叉线识别 | 第56-59页 |
| ·实验分析 | 第59页 |
| ·基于交叉线的左右球门柱识别 | 第59-62页 |
| ·本章小结 | 第62-63页 |
| 第5章 机器人视觉图像处理系统设计 | 第63-67页 |
| ·引言 | 第63页 |
| ·视觉图像处理系统介绍 | 第63-66页 |
| ·本章小结 | 第66-67页 |
| 第6章 全文总结 | 第67-69页 |
| 参考文献 | 第69-73页 |
| 作者简介 | 第73-75页 |
| 致谢 | 第75页 |
