| 摘要 | 第1-3页 |
| Abstract | 第3-6页 |
| 第一章 绪论 | 第6-15页 |
| ·课题来源及研究意义 | 第6页 |
| ·移动机器人国内外研究现状 | 第6-12页 |
| ·国外智能移动机器人研究现状 | 第7-10页 |
| ·国内智能移动机器人研究现状 | 第10-12页 |
| ·视觉定位技术 | 第12-13页 |
| ·本文的研究内容 | 第13-15页 |
| 第二章 Camshift目标跟踪算法 | 第15-28页 |
| ·Meanshift跟踪算法 | 第15-18页 |
| ·常见核函数 | 第15-16页 |
| ·Meanshift密度函数 | 第16-18页 |
| ·OpenCV中的Meanshift算法函数 | 第18页 |
| ·Camshift跟踪算法 | 第18-26页 |
| ·颜色模型及颜色转换 | 第19-21页 |
| ·反向投影图 | 第21-23页 |
| ·Camshift跟踪算法原理 | 第23-24页 |
| ·Camshift跟踪算法实现 | 第24-26页 |
| ·Camshift跟踪算法实验 | 第26-27页 |
| ·本章小结 | 第27-28页 |
| 第三章 基于Kalman滤波的改进Camshift跟踪算法 | 第28-35页 |
| ·引言 | 第28页 |
| ·Kalman滤波器基本方程 | 第28-32页 |
| ·OpenCV中Kalman滤波器状态空间方程 | 第29-30页 |
| ·Kalman滤波算法的特性 | 第30-31页 |
| ·Kalman滤波器算法步骤 | 第31-32页 |
| ·基于Kalman滤波的Camshift算法步骤及实验 | 第32-34页 |
| ·本章小结 | 第34-35页 |
| 第四章 摄像机标定及全局视觉模型建立 | 第35-51页 |
| ·坐标变换 | 第35-41页 |
| ·世界坐标系与摄像机坐标系的变换关系 | 第36-37页 |
| ·摄像机坐标系与理想图像坐标系的变换关系 | 第37-39页 |
| ·理想图像坐标系到真实图像坐标系的变换关系 | 第39-40页 |
| ·图像数字化 | 第40-41页 |
| ·摄像机标定 | 第41-46页 |
| ·摄像机标定方法 | 第41-42页 |
| ·摄像机标定实验 | 第42-46页 |
| ·全局视觉建模 | 第46-50页 |
| ·全局视觉坐标变换模型 | 第46-47页 |
| ·机器人运动跟踪平面标定实验 | 第47-50页 |
| ·本章小结 | 第50-51页 |
| 第五章 移动机器人视觉跟踪定位实验 | 第51-60页 |
| ·Camshift跟踪算法的移动机器人定位实验 | 第52-55页 |
| ·无遮挡条件下Camshift视觉跟踪定位实验 | 第52-53页 |
| ·遮挡条件下Camshift视觉跟踪定位实验 | 第53-55页 |
| ·基于Kalman滤波的Camshift跟踪算法移动机器人定位实验 | 第55-59页 |
| ·遮挡情况下基于Kalman滤波的Camshift视觉跟踪定位实验 | 第55-59页 |
| ·本章小结 | 第59-60页 |
| 第六章 总结与展望 | 第60-62页 |
| 参考文献 | 第62-65页 |
| 攻读硕士学位期间发表的学术论文 | 第65-66页 |
| 致谢 | 第66-67页 |
