基于视觉的足球机器人自主决策方法研究
| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 第一章 绪论 | 第7-13页 |
| ·机器人足球比赛的起源和发展 | 第7-8页 |
| ·国内机器人足球方面的发展 | 第8-9页 |
| ·机器人足球研究和比赛的意义 | 第9-10页 |
| ·本文主要研究的问题及结构 | 第10-13页 |
| 第二章 足球机器人系统 | 第13-19页 |
| ·足球机器人系统组成 | 第13-14页 |
| ·视觉系统 | 第14-15页 |
| ·决策系统 | 第15-17页 |
| ·执行系统 | 第17-18页 |
| ·通讯系统 | 第18页 |
| ·本章小结 | 第18-19页 |
| 第三章 视觉系统中的图像预处理与图像分割 | 第19-37页 |
| ·图像预处理 | 第19-26页 |
| ·图像平滑 | 第19-23页 |
| ·图像效果指标 | 第23-24页 |
| ·仿真实验 | 第24-26页 |
| ·图像分割 | 第26-35页 |
| ·图像分割的基本原理 | 第26-27页 |
| ·灰度图像分割 | 第27-28页 |
| ·彩色图像分割 | 第28-35页 |
| ·本章小结 | 第35-37页 |
| 第四章 基于视觉的机器人目标预测算法 | 第37-49页 |
| ·足球机器人目标运动模型 | 第37-38页 |
| ·常用目标预测算法 | 第38-39页 |
| ·卡尔曼滤波（KF） | 第38-39页 |
| ·存在问题 | 第39页 |
| ·非线性系统预测算法 | 第39-42页 |
| ·扩展卡尔曼滤波（EKF） | 第39-40页 |
| ·粒子滤波 | 第40-42页 |
| ·基于自适应强跟踪滤波的目标预测算法 | 第42-47页 |
| ·系统描述 | 第42页 |
| ·强跟踪滤波（STF）基本理论 | 第42-43页 |
| ·噪声有限记忆自适应算法 | 第43-44页 |
| ·自适应强跟踪滤波算法 | 第44-45页 |
| ·基于自适应强跟踪滤波的目标预测 | 第45页 |
| ·仿真与分析 | 第45-47页 |
| ·本章小结 | 第47-49页 |
| 第五章 基于局域网络的足球机器人决策方案 | 第49-61页 |
| ·足球机器人决策结构 | 第49-52页 |
| ·智能体（Agent）及多智能体系统(MAS) | 第49页 |
| ·决策系统的一般结构 | 第49-50页 |
| ·足球机器人决策模型 | 第50-52页 |
| ·基于无线局域网络的协调决策 | 第52-56页 |
| ·基本设计思想 | 第52-53页 |
| ·协调决策方法 | 第53-56页 |
| ·无线通讯的实现 | 第56-59页 |
| ·基本原理 | 第56-57页 |
| ·基于Socket 的Agent 无线通讯实现 | 第57-59页 |
| ·仿真实验 | 第59-60页 |
| ·本章小结 | 第60-61页 |
| 第六章 总结与展望 | 第61-63页 |
| 致谢 | 第63-65页 |
| 参考文献 | 第65-69页 |
| 作者在读期间发表论文 | 第69-70页 |
