| 摘要 | 第9-10页 |
| ABSTRACT | 第10页 |
| 第一章 绪论 | 第11-18页 |
| 1.1 课题研究背景及意义 | 第11-13页 |
| 1.2 课题研究现状和发展趋势 | 第13-15页 |
| 1.2.1 混合视觉系统 | 第13-14页 |
| 1.2.2 图像分类相关技术 | 第14-15页 |
| 1.3 课题研究主要内容 | 第15-18页 |
| 1.3.1 主要内容和创新点 | 第15-16页 |
| 1.3.2 论文的组织结构 | 第16-18页 |
| 第二章 混合视觉系统的构建 | 第18-32页 |
| 2.1 混合视觉系统硬件平台构建 | 第18-23页 |
| 2.1.1 机器人平台选择 | 第18-19页 |
| 2.1.2 传感器选择 | 第19-22页 |
| 2.1.3 视觉系统的安装固定 | 第22-23页 |
| 2.2 摄像机的标定 | 第23-31页 |
| 2.2.1 双目视觉系统左摄像机的标定 | 第23-27页 |
| 2.2.2 全向视觉系统的标定 | 第27-31页 |
| 2.3 本章小结 | 第31-32页 |
| 第三章 前方可通行区域的识别及在全景图像中的映射 | 第32-46页 |
| 3.1 基于双目视觉系统的可通行区域识别 | 第32-34页 |
| 3.2 全向-双目混合视觉系统的共同视场确定 | 第34-41页 |
| 3.2.1 左图像坐标系到世界坐标系的映射 | 第34-39页 |
| 3.2.2 世界坐标系到全景图像坐标系的映射 | 第39-41页 |
| 3.3 前方可通行区域识别结果及在全景图像中的映射 | 第41-45页 |
| 3.3.1 前方可通行区域识别结果 | 第41-44页 |
| 3.3.2 在全景图像中的映射结果 | 第44-45页 |
| 3.4 本章小结 | 第45-46页 |
| 第四章 基于全向视觉系统的周围环境可通行区域识别 | 第46-62页 |
| 4.1 超像素处理 | 第46-50页 |
| 4.1.1 超像素分割算法选择 | 第46-48页 |
| 4.1.2 Preemptive SLIC | 第48-50页 |
| 4.2 特征提取 | 第50-55页 |
| 4.2.1 特征选择 | 第50-51页 |
| 4.2.2 LBP特征 | 第51-53页 |
| 4.2.3 WLD算子 | 第53-55页 |
| 4.3 机器学习算法 | 第55-57页 |
| 4.3.1 机器学习算法选择 | 第55-56页 |
| 4.3.2 SVM算法 | 第56-57页 |
| 4.4 多方向可通行区域识别结果与误差分析 | 第57-60页 |
| 4.5 本章小结 | 第60-62页 |
| 第五章 总结与展望 | 第62-64页 |
| 5.1 课题工作总结 | 第62-63页 |
| 5.2 下一步工作 | 第63-64页 |
| 致谢 | 第64-65页 |
| 参考文献 | 第65-69页 |
| 作者在校期间获得的学术成果及奖励情况 | 第69页 |