基于RGB-D的室内电子导盲系统研究
| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 1 绪论 | 第8-14页 |
| 1.1 选题背景及研究意义 | 第8-9页 |
| 1.2 国内外的研究现状 | 第9-12页 |
| 1.3 研究内容 | 第12-13页 |
| 1.4 论文结构安排 | 第13-14页 |
| 2 RGB-D相关知识 | 第14-20页 |
| 2.1 深度图像相关知识 | 第14-16页 |
| 2.1.1 深度图像定义与特点 | 第14页 |
| 2.1.2 深度图像获取 | 第14-16页 |
| 2.2 Kinect传感器 | 第16-19页 |
| 2.2.1 Kinect传感器简介 | 第16-17页 |
| 2.2.2 Kinect测距原理 | 第17-18页 |
| 2.2.3 Kinect深度图像缺陷 | 第18-19页 |
| 2.3 本章小结 | 第19-20页 |
| 3 改进的快速深度图像空洞修复算法研究 | 第20-31页 |
| 3.1 图像修复原理 | 第20页 |
| 3.2 常用深度图像修复算法 | 第20-24页 |
| 3.2.1 中值滤波 | 第20-21页 |
| 3.2.2 像素过滤法 | 第21-22页 |
| 3.2.3 联合双边滤波 | 第22-24页 |
| 3.3 改进的快速深度图像空洞修复算法 | 第24-27页 |
| 3.3.1 深度图像和彩色图像对齐 | 第25-26页 |
| 3.3.2 改进像素过滤法 | 第26页 |
| 3.3.3 改进联合双边滤波法 | 第26-27页 |
| 3.4 实验结果 | 第27-30页 |
| 3.5 本章小结 | 第30-31页 |
| 4 基于边缘的自动种子点深度图像分割算法研究 | 第31-43页 |
| 4.1 图像分割算法分类 | 第31-32页 |
| 4.1.1 基于阈值的分割方法 | 第31页 |
| 4.1.2 基于边缘的分割方法 | 第31-32页 |
| 4.1.3 基于区域的分割方法 | 第32页 |
| 4.2 深度图像分析 | 第32-34页 |
| 4.3 基于边缘的自动种子点深度图像分割算法 | 第34-39页 |
| 4.3.1 深度图像边缘检测 | 第35-38页 |
| 4.3.2 自适应区域生长 | 第38-39页 |
| 4.4 实验结果 | 第39-42页 |
| 4.5 本章小结 | 第42-43页 |
| 5 基于RGB-D的室内导盲系统 | 第43-52页 |
| 5.1 导盲系统结构与工作原理 | 第43-45页 |
| 5.2 室内场景分析与避障 | 第45-48页 |
| 5.2.1 障碍物场景 | 第45-47页 |
| 5.2.2 过近或过远场景 | 第47-48页 |
| 5.3 实验结果与分析 | 第48-51页 |
| 5.3.1 实验环境 | 第48页 |
| 5.3.2 Kinect测距误差测量 | 第48-49页 |
| 5.3.3 导盲系统障碍物检测结果 | 第49-51页 |
| 5.4 本章小结 | 第51-52页 |
| 6 总结与展望 | 第52-54页 |
| 6.1 本文工作总结 | 第52-53页 |
| 6.2 未来工作展望 | 第53-54页 |
| 致谢 | 第54-55页 |
| 参考文献 | 第55-58页 |
| 附录 | 第58页 |
