基于Kinect的机器人图像采集处理系统的设计
| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第1章 绪论 | 第9-16页 |
| 1.1 研究背景与意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.2.1 国外研究现状 | 第10-12页 |
| 1.2.2 国内研究现状 | 第12页 |
| 1.3 机器人关键技术 | 第12-15页 |
| 1.3.1 图像识别 | 第12-13页 |
| 1.3.2 目标物体定位 | 第13-14页 |
| 1.3.3 路径规划 | 第14-15页 |
| 1.4 主要研究内容及结构 | 第15-16页 |
| 第2章 系统的总体方案设计 | 第16-22页 |
| 2.1 图像采集处理平台的总体方案 | 第16页 |
| 2.2 图像采集平台设计 | 第16-20页 |
| 2.3 图像处理平台的设计 | 第20-21页 |
| 2.4 本章小结 | 第21-22页 |
| 第3章 基于机器人的物体识别设计与研究 | 第22-36页 |
| 3.1 神经网络理论基础 | 第22-28页 |
| 3.1.1 神经网络 | 第22-24页 |
| 3.1.2 反向传播 | 第24-26页 |
| 3.1.3 激活函数 | 第26-28页 |
| 3.2 卷积神经网络搭建 | 第28-32页 |
| 3.2.1 卷积神经网络关键技术 | 第28-30页 |
| 3.2.2 卷积神经网络模型设计 | 第30-32页 |
| 3.3 实验仿真与分析 | 第32-35页 |
| 3.3.1 框架选用 | 第32-33页 |
| 3.3.2 数据集选用 | 第33页 |
| 3.3.3 网络模型训练测试 | 第33-35页 |
| 3.3.4 实验结果 | 第35页 |
| 3.4 本章小结 | 第35-36页 |
| 第4章 目标物体定位的设计 | 第36-42页 |
| 4.1 语义分割 | 第36-38页 |
| 4.2 边缘检测 | 第38-40页 |
| 4.3 定位中心点 | 第40-41页 |
| 4.4 本章小结 | 第41-42页 |
| 第5章 基于机器人的路径规划算法研究及改进 | 第42-50页 |
| 5.1 路径规划技术概述 | 第42-46页 |
| 5.1.1 图搜索策略 | 第42-44页 |
| 5.1.2 估值函数 | 第44页 |
| 5.1.3 环境描述 | 第44-46页 |
| 5.2 A*算法及其改进 | 第46-48页 |
| 5.2.1 A*算法基本原理 | 第46-47页 |
| 5.2.2 A*算法的改进 | 第47-48页 |
| 5.3 算法的仿真实验 | 第48-49页 |
| 5.3.1 实验仿真 | 第48-49页 |
| 5.3.2 结果分析 | 第49页 |
| 5.4 本章小结 | 第49-50页 |
| 第6章 系统的集成与测试 | 第50-57页 |
| 6.1 图像采集处理系统的集成 | 第50-51页 |
| 6.2 系统集成的实现与测试 | 第51-56页 |
| 6.3 本章小结 | 第56-57页 |
| 第7章 总结与展望 | 第57-59页 |
| 7.1 总结 | 第57-58页 |
| 7.2 展望 | 第58-59页 |
| 参考文献 | 第59-64页 |
| 作者简介及科研成果 | 第64-65页 |
| 致谢 | 第65页 |
