| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 足球机器人国内外研究现状 | 第11-12页 |
| 1.3 目标识别研究综述 | 第12-14页 |
| 1.4 本文主要内容及章节安排 | 第14-16页 |
| 第2章 足球机器人视觉背景知识 | 第16-29页 |
| 2.1 前言 | 第16页 |
| 2.2 机器人视觉系统 | 第16-18页 |
| 2.3 视觉信息处理 | 第18-25页 |
| 2.3.1 常用颜色空间及其转换 | 第19-22页 |
| 2.3.2 数字图像预处理 | 第22页 |
| 2.3.3 数字图像分割的一般方法 | 第22-25页 |
| 2.4 特征提取方法 | 第25-28页 |
| 2.4.1 特征提取的一般方法简介 | 第25-27页 |
| 2.4.2 适用于足球机器人视觉的特征提取方法 | 第27-28页 |
| 2.5 本章小结 | 第28-29页 |
| 第3章 结合图像分割的足球机器人目标识别 | 第29-48页 |
| 3.1 前言 | 第29页 |
| 3.2 背景知识 | 第29-35页 |
| 3.2.1 尺度不变特征变换(SIFT)算法原理 | 第29-32页 |
| 3.2.2 Mean Shift算法简介 | 第32页 |
| 3.2.3 Mean Shift算法的基本思想及扩展 | 第32-33页 |
| 3.2.4 最近邻方法概述 | 第33-35页 |
| 3.3 结合图像分割的特征提取与匹配 | 第35-39页 |
| 3.3.1 基于Mean Shift算法的图像分割 | 第35-37页 |
| 3.3.2 SIFT算法提取特征点 | 第37-39页 |
| 3.3.3 生成Mean Shift-SIFT描述子 | 第39页 |
| 3.3.4 特征点匹配 | 第39页 |
| 3.4 实验结果及分析 | 第39-47页 |
| 3.4.1 实验环境 | 第39-40页 |
| 3.4.2 实验结果及分析 | 第40-47页 |
| 3.5 本章小结 | 第47-48页 |
| 第4章 基于加速特征提取算法的足球机器人目标识别 | 第48-59页 |
| 4.1 前言 | 第48页 |
| 4.2 背景知识 | 第48-52页 |
| 4.2.1 尺度不变特征变换(SIFT)算法原理及扩展 | 第48-49页 |
| 4.2.2 PCA方法概述 | 第49-52页 |
| 4.3 改进的SIFT算法 | 第52-54页 |
| 4.3.1 生成SIFT特征点描述子 | 第52-53页 |
| 4.3.2 PCA对SIFT特征描述子降维 | 第53页 |
| 4.3.3 特征点匹配 | 第53-54页 |
| 4.4 实验及结果分析 | 第54-58页 |
| 4.4.1 实验环境 | 第54页 |
| 4.4.2 实验结果及分析 | 第54-58页 |
| 4.5 本章小结 | 第58-59页 |
| 第5章 结论与展望 | 第59-62页 |
| 5.1 结论 | 第59-60页 |
| 5.2 展望 | 第60-62页 |
| 参考文献 | 第62-66页 |
| 致谢 | 第66-67页 |
| 攻读学位期间参加的科研项目和成果 | 第67页 |
