基于二进制描述子的室内移动机器人物体识别算法研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-17页 |
| 1.1 研究课题来源 | 第9页 |
| 1.2 研究背景及意义 | 第9-10页 |
| 1.3 国内外研究历史及现状 | 第10-15页 |
| 1.3.1 计算机视觉理论的建立 | 第11页 |
| 1.3.2 物体识别算法的发展 | 第11-13页 |
| 1.3.3 主动视觉理论的建立 | 第13-15页 |
| 1.4 本文的主要工作 | 第15页 |
| 1.5 本文的组织结构 | 第15-17页 |
| 第2章 场景图像的预处理 | 第17-34页 |
| 2.1 预处理算法的主要流程 | 第17-18页 |
| 2.2 物体候选区域的检测 | 第18-23页 |
| 2.2.1 基于BING特征的似物性采样算法 | 第19-21页 |
| 2.2.2 室内场景物体候选区域检测 | 第21-23页 |
| 2.3 场景深度图像的采集 | 第23-26页 |
| 2.3.1 深度信息采集技术 | 第23-25页 |
| 2.3.2 Kinect 1.0传感器的原理 | 第25-26页 |
| 2.4 物体候选区域的筛选与优化 | 第26-32页 |
| 2.4.1 结合深度信息的场景分割原理 | 第26-29页 |
| 2.4.2 结合深度信息的物体候选区域筛选 | 第29-30页 |
| 2.4.3 结合边缘信息的物体候选区域优化 | 第30-32页 |
| 2.5 本章小结 | 第32-34页 |
| 第3章 室内移动机器人物体识别算法的设计与分析 | 第34-50页 |
| 3.1 物体识别算法的主要流程 | 第34-35页 |
| 3.2 基于二进制描述子的物体识别算法 | 第35-39页 |
| 3.2.1 二进制描述子算法的原理 | 第35-36页 |
| 3.2.2 二进制描述子算法的性能评估 | 第36-39页 |
| 3.3 改进的ORB算法 | 第39-49页 |
| 3.3.1 ORB算法的原理 | 第39-41页 |
| 3.3.2 具有尺度不变性的ORB算法 | 第41-43页 |
| 3.3.3 结合颜色信息的ORB算法 | 第43-44页 |
| 3.3.4 改进ORB算法的验证与分析 | 第44-49页 |
| 3.4 本章小结 | 第49-50页 |
| 第4章 算法实现与实验评估 | 第50-59页 |
| 4.1 实验环境配置与数据集 | 第50-52页 |
| 4.2 实验结果与分析 | 第52-58页 |
| 4.2.1 实时性测试 | 第52-54页 |
| 4.2.2 识别效果测试 | 第54-58页 |
| 4.3 本章小结 | 第58-59页 |
| 第5章 总结与展望 | 第59-61页 |
| 5.1 总结 | 第59-60页 |
| 5.2 展望 | 第60-61页 |
| 致谢 | 第61-62页 |
| 参考文献 | 第62-66页 |
| 攻读硕士学位期间的科研成果 | 第66页 |
