| 摘要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 第一章 绪论 | 第9-17页 |
| §1-1 引言 | 第9页 |
| §1-2 机器人模仿学习及研究现状 | 第9-14页 |
| 1-2-1 机器人模仿学习的定义 | 第9页 |
| 1-2-2 模仿学习与其他学习方法的比较 | 第9-10页 |
| 1-2-3 模仿与其他学科的联系 | 第10-11页 |
| 1-2-4 机器人动作模仿的研究现状 | 第11-14页 |
| §1-3 计算机视觉在机器人研究中的应用 | 第14-15页 |
| §1-4 选题意义及本文主要研究内容 | 第15-17页 |
| 1-4-1 选题意义 | 第15页 |
| 1-4-2 本文主要研究内容 | 第15-17页 |
| 第二章 机器人动作模仿系统的组成 | 第17-26页 |
| §2-1 引言 | 第17页 |
| §2-2 视觉图像采集系统 | 第17-20页 |
| 2-2-1 摄像机 | 第17-18页 |
| 2-2-2 镜头 | 第18-19页 |
| 2-2-3 光源 | 第19页 |
| 2-2-4 图像采集卡 | 第19-20页 |
| 2-2-5 图像处理部件 | 第20页 |
| 2-2-6 结果输出部件 | 第20页 |
| §2-3 图像处理及特征提取部分 | 第20-23页 |
| 2-3-1 数字图像处理概述 | 第20页 |
| 2-3-2 数字图像的描述和运算方式 | 第20-21页 |
| 2-3-3 数字图像处理方法分类 | 第21-22页 |
| 2-3-4 本系统的图像处理流程 | 第22-23页 |
| §2-4 动作复现部分 | 第23-25页 |
| 2-4-1 一般仿真系统的组成 | 第24页 |
| 2-4-2 机器人模型的建立 | 第24-25页 |
| §2-5 本章小结 | 第25-26页 |
| 第三章 基于视觉图像处理的关节角提取 | 第26-38页 |
| §3-1 引言 | 第26页 |
| §3-2 关节角提取方法综述 | 第26-27页 |
| §3-3 关节角提取的图像处理过程 | 第27-34页 |
| 3-3-1 彩色图像由RGB 到HIS 模型的转换 | 第27-28页 |
| 3-3-2 图像二值化 | 第28-30页 |
| 3-3-3 图像平滑 | 第30-31页 |
| 3-3-4 数学形态学处理过程 | 第31-34页 |
| §3-4 关节角度提取方法 | 第34-37页 |
| 3-4-1 寻找手臂像素点 | 第34页 |
| 3-4-2 手臂直线拟和 | 第34-36页 |
| 3-4-3 角度计算 | 第36-37页 |
| §3-5 本章小结 | 第37-38页 |
| 第四章 基于 HDR 和神经网络方法的关节角提取 | 第38-54页 |
| §4-1 引言 | 第38页 |
| §4-2 用于构建智能机器人的AMD 理论与HDR 方法 | 第38-44页 |
| 4-2-1 智能发育理论（AMD）及其与传统方法的比较 | 第38-40页 |
| 4-2-2 用于建立机器人“感知－行为”映射的HDR 方法 | 第40-41页 |
| 4-2-3 HDR 方法流程 | 第41-44页 |
| §4-3 结合HDR 方法的神经网络建立 | 第44-51页 |
| 4-3-1 神经网络模型与BP 算法 | 第44-47页 |
| 4-3-2 BP 网络的设计 | 第47-49页 |
| 4-3-3 BP 算法的改进 | 第49-50页 |
| 4-3-4 基于HDR 的BP 神经网络模型 | 第50-51页 |
| §4-4 BP 网络与基于HDR 的BP 网络实验结果比较 | 第51-53页 |
| 4-4-1 BP 网络训练结果 | 第51页 |
| 4-4-2 网络训练结果比较 | 第51-53页 |
| §4-6 本章小结 | 第53-54页 |
| 第五章 程序结构与实验结果分析 | 第54-60页 |
| §5-1 程序设计 | 第54-56页 |
| §5-2 实验结果分析 | 第56-59页 |
| 5-2-1 实验结果比较 | 第56-57页 |
| 5-2-2 实验结果评价 | 第57-59页 |
| §5-3 本章小结 | 第59-60页 |
| 第六章 结论与展望 | 第60-61页 |
| 参考文献 | 第61-65页 |
| 致谢 | 第65页 |
