全自主机器人视觉目标识别及其在定位和导航中的应用
| 摘要 | 第1-5页 |
| Abstract | 第5-10页 |
| 1 绪论 | 第10-16页 |
| ·机器人发展历史 | 第10-11页 |
| ·机器人视觉系统的提出 | 第11-12页 |
| ·研究的目标和研究内容 | 第12页 |
| ·机器人视觉系统的技术难点 | 第12-13页 |
| ·实验平台和研究方案 | 第13-14页 |
| ·本文结构 | 第14-16页 |
| 2 视觉图像传感器和深度原理 | 第16-24页 |
| ·基于视觉的图像传感器 | 第16页 |
| ·视觉图像测距 | 第16-20页 |
| ·视觉图像要素 | 第16-18页 |
| ·景深在视觉测距中的应用 | 第18-19页 |
| ·双目视觉景深恢复 | 第19-20页 |
| ·双目视觉图像深度恢复 | 第20-22页 |
| ·视觉图像的噪声处理 | 第22-23页 |
| 本章小结 | 第23-24页 |
| 3 双目视觉摄像机的标定 | 第24-33页 |
| ·摄像机标定的意义 | 第24页 |
| ·摄像机标定中摄像机模型 | 第24-25页 |
| ·摄像机和世界坐标重合的摄像机模型 | 第25-26页 |
| ·利用透视变换矩阵进行的摄像机标定技术 | 第26-29页 |
| ·基于主动视觉的摄像机标定技术 | 第29-32页 |
| ·基于平行移运动的自标定技术 | 第29-30页 |
| ·基于摄像机旋转运动的自标定技术 | 第30-31页 |
| ·利用本质矩阵和基本矩阵的自标定技术 | 第31-32页 |
| 本章小结 | 第32-33页 |
| 4 视觉机器人的特征提取及目标识别 | 第33-57页 |
| ·运动场和光流动对特征提取的影响 | 第33-35页 |
| ·视觉图像的特征提取 | 第35-44页 |
| ·初级特征提取 | 第36页 |
| ·直线提取 | 第36-39页 |
| ·其他几何特征提取 | 第39-40页 |
| ·空间物体特征提取 | 第40-42页 |
| ·基于可视表象的特征提取 | 第42-43页 |
| ·空间上局部化特征提取 | 第43-44页 |
| ·基于贝叶斯网络的贝叶斯视觉特征识别算法 | 第44-46页 |
| ·目标识别中贝叶斯网络的应用 | 第44-45页 |
| ·贝叶斯网络推理算法 | 第45-46页 |
| ·颜色特征识别 | 第46-50页 |
| ·特征提取中的匹配方法 | 第50-52页 |
| ·形状直方图匹配 | 第50-51页 |
| ·边界匹配 | 第51-52页 |
| ·目标识别中的光线跟踪 | 第52-57页 |
| ·光线跟踪原理及其在视觉识别中的应用 | 第52-53页 |
| ·光线跟踪算法 | 第53-54页 |
| ·辐射度方法在光线跟踪中的应用 | 第54-57页 |
| 本章小结 | 第57页 |
| 5 双目摄像机定位与导航 | 第57-71页 |
| ·引言 | 第57-58页 |
| ·机器人定位面临的问题和解决办法 | 第58-60页 |
| ·地图的置信度表示 | 第60-64页 |
| ·单假设信任度 | 第61-63页 |
| ·多假设信任度 | 第63-64页 |
| ·地图的表示方法 | 第64-68页 |
| ·连续的表示方法 | 第64-65页 |
| ·地图的栅格表示法 | 第65-67页 |
| ·拓扑表示方法 | 第67-68页 |
| ·随机构图的技术 | 第68-70页 |
| 本章小结 | 第70-71页 |
| 6 机器人视觉在导航中应用 | 第71-76页 |
| ·引言 | 第71页 |
| ·机器人导航的相关研究的问题 | 第71-72页 |
| ·机器人系统介绍 | 第72-73页 |
| ·视觉系统 | 第72-73页 |
| ·电子罗盘的原理 | 第73页 |
| ·机器人所采集到数据的数据结构定义 | 第73-75页 |
| ·结论 | 第75-76页 |
| 结论 | 第76-77页 |
| 参考文献 | 第77-79页 |
| 攻读硕士学位期间学术论文及科研情况 | 第79-80页 |
| 致谢 | 第80-81页 |
