| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-23页 |
| 1.1 课题研究的目的、背景和意义 | 第9-10页 |
| 1.2 辅助起立轨迹国内外研究现状 | 第10-16页 |
| 1.3 机器视觉及图像处理研究现状 | 第16-20页 |
| 1.3.1 目标表示方法 | 第17-18页 |
| 1.3.2 目标跟踪特征选择 | 第18-19页 |
| 1.3.3 基于机器视觉的运动目标跟踪算法 | 第19-20页 |
| 1.4 机器学习算法研究现状 | 第20-21页 |
| 1.5 本文主要研究内容 | 第21-23页 |
| 第2章 人体起立运动分析及建模 | 第23-29页 |
| 2.1 人体起立运动分析 | 第23-25页 |
| 2.2 人体起立描述参数及坐标系 | 第25-26页 |
| 2.3 人体起立运动建模 | 第26-28页 |
| 2.4 本章小结 | 第28-29页 |
| 第3章 机器视觉及图像处理方法研究人体起立运动图像 | 第29-40页 |
| 3.1 机器视觉图像采集 | 第29-31页 |
| 3.1.1 彩色摄像头与深度摄像头配准 | 第29-30页 |
| 3.1.2 图像缩放比例 | 第30页 |
| 3.1.3 图像采集与前景分割 | 第30-31页 |
| 3.2 图像特征提取预处理 | 第31-34页 |
| 3.2.1 低通滤波与中值滤波 | 第31-33页 |
| 3.2.2 基于形态学的开、闭运算 | 第33-34页 |
| 3.3 特征点匹配与坐标提取 | 第34-39页 |
| 3.4 本章小结 | 第39-40页 |
| 第4章 机器学习回归算法研究 | 第40-49页 |
| 4.1 随机森林回归 | 第40-42页 |
| 4.2 RBF神经网络回归 | 第42-44页 |
| 4.3 支持向量回归（SVR） | 第44-46页 |
| 4.4 机器学习回归算法性能比较 | 第46-48页 |
| 4.5 本章小结 | 第48-49页 |
| 第5章 机器人辅助起立关节轨迹预测及辅助起立实验 | 第49-59页 |
| 5.1 辅助起立关节运动轨迹预测 | 第49-55页 |
| 5.1.1 确定实验者初始状态及身体参数 | 第49页 |
| 5.1.2 数学模型训练及预测 | 第49-55页 |
| 5.2 辅助起立机器人及辅助起立实验 | 第55-58页 |
| 5.2.1 辅助起立机器人介绍 | 第55-56页 |
| 5.2.2 辅助起立机器人软件设计 | 第56-57页 |
| 5.2.3 辅助起立实验 | 第57-58页 |
| 5.3 本章小结 | 第58-59页 |
| 第6章 结论 | 第59-60页 |
| 参考文献 | 第60-64页 |
| 在学研究成果 | 第64-65页 |
| 致谢 | 第65页 |