| 摘要 | 第6-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第11-17页 |
| 1.1 研究背景及意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-15页 |
| 1.2.1 机器视觉的应用研究 | 第12-14页 |
| 1.2.2 Kinect在机器人领域的应用研究 | 第14-15页 |
| 1.3 论文的主要工作和结构安排 | 第15-17页 |
| 第2章 目标图像识别算法 | 第17-30页 |
| 2.1 图像预处理 | 第17-22页 |
| 2.1.1 彩色图像的二值化 | 第17-20页 |
| 2.1.2 低通滤波 | 第20-21页 |
| 2.1.3 图像形态学 | 第21-22页 |
| 2.2 特征提取 | 第22-28页 |
| 2.2.1 SIFT特征图像识别算法 | 第22-26页 |
| 2.2.2 基于Kalman预测的SIFT识别算法 | 第26-28页 |
| 2.3 运动目标图像识别程序设计 | 第28-29页 |
| 2.4 本章小结 | 第29-30页 |
| 第3章 目标跟踪方法 | 第30-38页 |
| 3.1 图像匹配法 | 第30-32页 |
| 3.2 窗口质心跟踪法 | 第32-33页 |
| 3.3 Kinect人体骨骼模型识别跟踪算法 | 第33-37页 |
| 3.3.1 Kinect简介 | 第34页 |
| 3.3.2 Kinect深度信息的获取 | 第34-35页 |
| 3.3.3 基于Kinect的人体骨骼识别跟踪 | 第35-37页 |
| 3.4 本章小结 | 第37-38页 |
| 第4章 基于Kinect的手臂旋转识别方法的研究 | 第38-47页 |
| 4.1 问题的提出 | 第38-39页 |
| 4.2 辅助识别控制方法的研究 | 第39-43页 |
| 4.2.1 基于DTW算法的手势识别 | 第39-40页 |
| 4.2.2 基于数据手套的手势识别 | 第40-41页 |
| 4.2.3 基于电位传感器的辅助方法 | 第41-43页 |
| 4.3 基于指套的图像识别辅助控制方法 | 第43-45页 |
| 4.4 几种方法的对比研究 | 第45-46页 |
| 4.5 本章小结 | 第46-47页 |
| 第5章 系统设计及实现 | 第47-63页 |
| 5.1 基于单目视觉系统的机器人目标识别与跟踪设计 | 第47-53页 |
| 5.1.1 机器人头部的硬件设置及调试 | 第48-49页 |
| 5.1.2 单目视觉系统的识别 | 第49-51页 |
| 5.1.3 单目视觉系统的跟踪 | 第51-53页 |
| 5.2 基于Kinect的机器人目标识别及控制设计 | 第53-62页 |
| 5.2.1 Kinect对于指套的识别 | 第53-56页 |
| 5.2.2 机械手臂的硬件设置及调试 | 第56-57页 |
| 5.2.3 基于Kinect的机器人控制设计 | 第57-62页 |
| 5.3 本章小结 | 第62-63页 |
| 总结与展望 | 第63-65页 |
| 致谢 | 第65-66页 |
| 参考文献 | 第66-70页 |
| 攻读硕士学位期间发表论文 | 第70-71页 |
| 附录1 | 第71-75页 |
| 附录2 | 第75-76页 |
