基于RGB-D相机中型组足球机器人的目标检测方法研究
| 摘要 | 第9-10页 |
| ABSTRACT | 第10页 |
| 第一章 绪论 | 第11-19页 |
| 1.1 课题研究背景和意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-17页 |
| 1.2.1 足球机器人目标检测算法 | 第12-13页 |
| 1.2.2 基于RGB-D相机的目标检测算法 | 第13-14页 |
| 1.2.3 足球机器人多传感器信息融合算法 | 第14-17页 |
| 1.3 论文的主要内容及结构 | 第17-19页 |
| 1.3.1 论文主要内容 | 第17页 |
| 1.3.2 论文的组织结构 | 第17-19页 |
| 第二章 基于RGB-D相机的足球检测算法 | 第19-35页 |
| 2.1 RGB-D相机及驱动 | 第19-22页 |
| 2.1.1 Kinect简介 | 第19-20页 |
| 2.1.2 PCL库简介 | 第20-21页 |
| 2.1.3 Kinect传感器点云数据的获取 | 第21-22页 |
| 2.2 三维空间中的足球检测算法 | 第22-30页 |
| 2.2.1 基于颜色信息的候选区域分割 | 第22-25页 |
| 2.2.2 基于三维球面拟合的目标检测 | 第25-30页 |
| 2.3 Kinect坐标系标定与坐标变换 | 第30-32页 |
| 2.4 实验与分析 | 第32-33页 |
| 2.5 小结 | 第33-35页 |
| 第三章 基于三维点云的障碍检测算法 | 第35-47页 |
| 3.1 三维点云的预处理 | 第35-37页 |
| 3.1.1 阈值分割 | 第36-37页 |
| 3.1.2 降采样 | 第37页 |
| 3.2 基于RANSAC算法平面特征提取 | 第37-38页 |
| 3.3 基于聚类的障碍物检测 | 第38-43页 |
| 3.3.1 最近邻聚类 | 第39-40页 |
| 3.3.2 基于几何信息的欠分割处理 | 第40-43页 |
| 3.4 实验与分析 | 第43-46页 |
| 3.5 小结 | 第46-47页 |
| 第四章 足球机器人多传感器集成及信息融合 | 第47-57页 |
| 4.1 足球机器人的多传感器集成 | 第47-48页 |
| 4.2 多传感器加权融合的方法 | 第48-51页 |
| 4.2.1 加权平均融合算法 | 第48-49页 |
| 4.2.2 自适应加权融合算法 | 第49-51页 |
| 4.3 足球机器人多传感器信息融合的实现 | 第51-53页 |
| 4.4 实验与分析 | 第53-56页 |
| 4.5 小结 | 第56-57页 |
| 第五章 结论与展望 | 第57-59页 |
| 5.1 结论 | 第57-58页 |
| 5.2 展望 | 第58-59页 |
| 致谢 | 第59-60页 |
| 参考文献 | 第60-63页 |
| 作者在学期间取得的学术成果 | 第63页 |
