| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7-8页 |
| 1 引言 | 第12-18页 |
| 1.1 选题背景 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-15页 |
| 1.3 问题定义与项目目标 | 第15-16页 |
| 1.4 论文难点与解决思路 | 第16-17页 |
| 1.5 论文组织结构 | 第17-18页 |
| 2 人脸朝向识别算法的优选 | 第18-32页 |
| 2.1 脉冲耦合神经网络算法 | 第18-22页 |
| 2.1.1 算法基本思路概述与逻辑过程 | 第19-20页 |
| 2.1.2 实证分析 | 第20-22页 |
| 2.2 类卷积神经网络算法——WILD算法 | 第22-26页 |
| 2.2.1 算法基本思路概述与逻辑过程 | 第23-25页 |
| 2.2.2 实证分析 | 第25-26页 |
| 2.3 卷积神经网络算法——DLIB+CAFFE算法 | 第26-31页 |
| 2.3.1 算法基本思路概述与逻辑过程 | 第29-30页 |
| 2.3.2 实证分析 | 第30-31页 |
| 2.4 本章小结 | 第31-32页 |
| 3 机器人制导系统的需求分析与定义 | 第32-40页 |
| 3.1 机器人制导的系统需求分析 | 第32-33页 |
| 3.1.1 机器人产品特点分析 | 第32-33页 |
| 3.1.2 用户特征分析 | 第33页 |
| 3.2 系统功能性需求定义 | 第33-38页 |
| 3.2.1 功能性需求规格定义 | 第34页 |
| 3.2.2 功能性需求规格描述 | 第34-38页 |
| 3.3 系统非功能性需求定义 | 第38-39页 |
| 3.4 本章小结 | 第39-40页 |
| 4 机器人制导系统的概要设计 | 第40-50页 |
| 4.1 系统架构 | 第40-45页 |
| 4.2 系统总体流程设计 | 第45-47页 |
| 4.3 系统功能模块设计 | 第47-49页 |
| 4.3.1 人脸朝向识别设计 | 第48页 |
| 4.3.2 相对位置计算设计 | 第48-49页 |
| 4.3.3 运动规划设计 | 第49页 |
| 4.4 本章小结 | 第49-50页 |
| 5 机器人制导系统的详细设计与实现 | 第50-64页 |
| 5.1 人脸朝向识别的详细设计与实现 | 第50-53页 |
| 5.1.1 人脸朝向识别的详细设计 | 第51-52页 |
| 5.1.2 人脸朝向识别的实现 | 第52-53页 |
| 5.2 相对位置计算的详细设计与实现 | 第53-58页 |
| 5.2.1 相对位置计算的详细设计 | 第55-56页 |
| 5.2.2 相对位置计算的实现 | 第56-58页 |
| 5.3 运动规划的详细设计与实现 | 第58-62页 |
| 5.3.1 动规划的详细设计 | 第59-60页 |
| 5.3.2 运动规划的实现 | 第60-62页 |
| 5.4 本章小结 | 第62-64页 |
| 6 系统验证与优化 | 第64-74页 |
| 6.1 测试准备 | 第64-66页 |
| 6.1.1 测试环境 | 第64-65页 |
| 6.1.2 测试设计 | 第65-66页 |
| 6.2 功能性测试 | 第66-69页 |
| 6.2.1 人脸朝向识别的测试 | 第66-67页 |
| 6.2.2 相对位置计算的测试 | 第67-68页 |
| 6.2.3 运动规划的测试 | 第68-69页 |
| 6.3 系统测试 | 第69-72页 |
| 6.3.1 性能测试 | 第69页 |
| 6.3.2 兼容性测试 | 第69-70页 |
| 6.3.3 安全性测试 | 第70-71页 |
| 6.3.4 易用性测试 | 第71-72页 |
| 6.4 测试分析与结论 | 第72页 |
| 6.5 本章小结 | 第72-74页 |
| 7 总结与展望 | 第74-76页 |
| 7.1 全文总结 | 第74-75页 |
| 7.2 前景展望 | 第75-76页 |
| 参考文献 | 第76-78页 |
| 作者简历及攻读硕十学位期间取得的研究成果 | 第78-82页 |
| 学位论文数据集 | 第82页 |