| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-17页 |
| 1.1 课题研究背景及意义 | 第9-11页 |
| 1.1.1 智能轮椅发展概述 | 第9-10页 |
| 1.1.2 智能轮椅运动估计的研究意义 | 第10-11页 |
| 1.2 基于视觉机器人运动估计研究现状 | 第11-14页 |
| 1.2.1 机器人运动估计方法 | 第11-12页 |
| 1.2.2 基于视觉运动估计方法概述 | 第12-14页 |
| 1.3 论文的研究内容与组织结构 | 第14-16页 |
| 1.3.1 论文的研究内容 | 第14-15页 |
| 1.3.2 论文的组织结构 | 第15-16页 |
| 1.4 本章小结 | 第16-17页 |
| 第2章 系统硬件构成 | 第17-21页 |
| 2.1 智能轮椅实验平台 | 第17-18页 |
| 2.2 Pioneer3-DX实验平台 | 第18-19页 |
| 2.3 视觉传感器 | 第19页 |
| 2.4 本章小结 | 第19-21页 |
| 第3章 变分光流估计方法 | 第21-35页 |
| 3.1 变分光流计算的基本原理 | 第21-22页 |
| 3.2 变分光流估计方法的难点 | 第22-23页 |
| 3.3 改进的变分光流估计方法 | 第23-29页 |
| 3.3.1 改进数据项设计 | 第23-24页 |
| 3.3.2 改进平滑项设计 | 第24-25页 |
| 3.3.3 数据项高斯平滑 | 第25页 |
| 3.3.4 金字塔多分辨率求解策略 | 第25-26页 |
| 3.3.5 能量泛函模型的数值求解 | 第26-29页 |
| 3.3.6 CUDA加速 | 第29页 |
| 3.4 改进变分光流实验结果及分析 | 第29-34页 |
| 3.4.1 光流场质量的评价指标 | 第29-30页 |
| 3.4.2 光流场的显示方案 | 第30-31页 |
| 3.4.3 实验结果及分析 | 第31-34页 |
| 3.5 本章小结 | 第34-35页 |
| 第4章 基于变分光流的智能轮椅运动速度估计 | 第35-47页 |
| 4.1 运动估计的光流法概述 | 第35-36页 |
| 4.2 基于平面片光流模型的RANSAC光流排异 | 第36-38页 |
| 4.3 空间坐标系及转换关系及倾斜向下相机姿态调整 | 第38-40页 |
| 4.4 基于卡尔曼先验状态变量的初始光流估计 | 第40-42页 |
| 4.5 结合卡尔曼滤波的帧间轮椅速度估计 | 第42-44页 |
| 4.6 实验结果及分析 | 第44-45页 |
| 4.7 本章小结 | 第45-47页 |
| 第5章 实验结果及分析 | 第47-57页 |
| 5.1 视觉系统标定 | 第47-48页 |
| 5.2 基于RANSAC算法的光流排异实验 | 第48-49页 |
| 5.3 结合KF先验预测的初始光流估计实验 | 第49-50页 |
| 5.4 基于卡尔曼滤波的轮椅速度估计实验 | 第50-51页 |
| 5.5 基于稀疏光流的机器人运动速度测量 | 第51-52页 |
| 5.6 基于改进变分光流的机器人运动速度测量 | 第52-55页 |
| 5.7 本文算法与目前基于光流的视觉里程计精度对比 | 第55页 |
| 5.8 本章小结 | 第55-57页 |
| 结论 | 第57-59页 |
| 参考文献 | 第59-63页 |
| 攻读硕士学位期间所发表的学术论文 | 第63-65页 |
| 致谢 | 第65页 |