基于机器视觉的猕猴桃果实识别与定位技术研究
| 摘要 | 第1-7页 |
| ABSTRACT | 第7-11页 |
| 第一章 绪论 | 第11-18页 |
| ·课题的研究目的与意义 | 第11-12页 |
| ·水果采摘机器人技术研究现状 | 第12-15页 |
| ·国内外目标识别研究现状 | 第13-14页 |
| ·国内外立体视觉研究现状 | 第14-15页 |
| ·水果采摘机器人的最新发展趋势 | 第15页 |
| ·研究内容与组织结构 | 第15-18页 |
| ·研究内容 | 第15-16页 |
| ·论文组织结构 | 第16-17页 |
| ·论文研究路线 | 第17-18页 |
| 第二章 猕猴桃果实的识别 | 第18-47页 |
| ·猕猴桃果实特征的机器学习 | 第18-22页 |
| ·果实样本的采集 | 第18页 |
| ·机器学习 | 第18-19页 |
| ·猕猴桃果实识别与 Haar 分类器 | 第19-22页 |
| ·猕猴桃果实分类器实验结果与分析 | 第22页 |
| ·猕猴桃果实与周围环境颜色特征的实验与统计 | 第22-29页 |
| ·颜色模型分析 | 第22-24页 |
| ·猕猴桃果实图像颜色分析与统计 | 第24-29页 |
| ·颜色特征统计结果分析 | 第29页 |
| ·图像预处理 | 第29-33页 |
| ·直方图均衡化 | 第29-31页 |
| ·中值滤波 | 第31-33页 |
| ·图像分割 | 第33-37页 |
| ·图像分割方法 | 第33-34页 |
| ·基于固定值阈值分割法 | 第34-35页 |
| ·基于全局阈值分割法 | 第35-36页 |
| ·分割方法的结果分析 | 第36-37页 |
| ·残留物去除 | 第37-41页 |
| ·数学形态学方法 | 第37-39页 |
| ·噪声去除与图像填充 | 第39-40页 |
| ·果实分离 | 第40-41页 |
| ·果实目标的特征提取 | 第41-46页 |
| ·边缘检测 | 第41-43页 |
| ·特征提取 | 第43-45页 |
| ·特征提取实验结果 | 第45-46页 |
| ·本章小结 | 第46-47页 |
| 第三章 猕猴桃果实的空间定位 | 第47-60页 |
| ·搭建实验平台 | 第47页 |
| ·相机标定 | 第47-50页 |
| ·相机标定方法分析 | 第47-48页 |
| ·相机透视成像的几何模型 | 第48-49页 |
| ·本研究采用的标定方法 | 第49-50页 |
| ·立体视觉原理 | 第50-53页 |
| ·视觉系统坐标系 | 第50-51页 |
| ·三维立体视觉的几何模型 | 第51-53页 |
| ·果实目标的特征点匹配 | 第53-57页 |
| ·匹配规则 | 第53-54页 |
| ·特征匹配方法 | 第54页 |
| ·基于形心特征的匹配算法 | 第54-55页 |
| ·匹配结果与讨论 | 第55-57页 |
| ·空间坐标的计算 | 第57-59页 |
| ·三维计算原理 | 第57-58页 |
| ·空间点的三维坐标计算 | 第58页 |
| ·实验与分析 | 第58-59页 |
| ·本章小结 | 第59-60页 |
| 第四章 系统软件功能与实现 | 第60-63页 |
| ·系统功能 | 第60-61页 |
| ·软件实现 | 第61-62页 |
| ·本章小结 | 第62-63页 |
| 第五章 结论与展望 | 第63-65页 |
| ·结论 | 第63页 |
| ·展望与建议 | 第63-65页 |
| 参考文献 | 第65-68页 |
| 致谢 | 第68-69页 |
| 作者简介 | 第69页 |
