| 摘要 | 第5-7页 |
| Abstract | 第7-9页 |
| 1 绪论 | 第13-27页 |
| 1.1 研究背景 | 第13-15页 |
| 1.2 地面智能机器人的发展概况简述 | 第15-19页 |
| 1.2.1 国外地面智能机器人的发展概况简述 | 第15-17页 |
| 1.2.2 国内地面智能机器人的发展概况简述 | 第17-19页 |
| 1.3 基于图像特征的非结构化环境可通行区域识别发展概况 | 第19-22页 |
| 1.3.1 基于颜色特征的可通行区域识别的发展概况 | 第19-20页 |
| 1.3.2 基于纹理特征的可通行区域识别的发展概况 | 第20-21页 |
| 1.3.3 多特征融合可通行区域识别的发展概况 | 第21-22页 |
| 1.4 基于主动学习的可通行区域识别的发展概况 | 第22-23页 |
| 1.5 智能车辆可通行性判别的研究概况 | 第23-24页 |
| 1.6 本文的内容安排及创新点 | 第24-27页 |
| 1.6.1 本文内容安排 | 第24-25页 |
| 1.6.2 本文主要创新点 | 第25-27页 |
| 2 融合空间信息的GSDCT特征与可通行区域识别 | 第27-49页 |
| 2.1 引言 | 第27-28页 |
| 2.2 纹理特征及分类 | 第28-32页 |
| 2.2.1 LBP纹理特征 | 第28-29页 |
| 2.2.2 统计几何特征 | 第29-31页 |
| 2.2.3 小波纹理特征 | 第31-32页 |
| 2.3 融合空间信息的GSDCT特征与可通行区域识别 | 第32-48页 |
| 2.3.1 融合空间信息的GSDCT特征 | 第32-34页 |
| 2.3.2 实验数据库介绍 | 第34-36页 |
| 2.3.3 性能评价指标 | 第36页 |
| 2.3.4 Brodatz图像集上的实验结果及分析 | 第36-40页 |
| 2.3.5 Outex自然场景图像集上的实验结果及分析 | 第40-45页 |
| 2.3.6 野外场景图像集上的实验结果及分析 | 第45-48页 |
| 2.4 小结 | 第48-49页 |
| 3 基于类别自适应的非相似性稀疏子集选择算法 | 第49-69页 |
| 3.1 引言 | 第49-50页 |
| 3.2 不平衡数据分类算法 | 第50-51页 |
| 3.3 主动学习算法 | 第51-55页 |
| 3.3.1 流形直推式实验设计算法 | 第51-52页 |
| 3.3.2 基于代表点选择的稀疏建模算法 | 第52-53页 |
| 3.3.3 基于非相似性的稀疏子集选择算法 | 第53-55页 |
| 3.4 基于类别自适应的非相似性稀疏子集选择算法 | 第55-58页 |
| 3.5 人工数据上的实验结果与分析 | 第58-61页 |
| 3.6 OUTEX图像库上的实验结果与分析 | 第61-65页 |
| 3.6.1 算法对比 | 第61-64页 |
| 3.6.2 性能评价指标 | 第64-65页 |
| 3.7 NUST图像序列上的实验结果与分析 | 第65-68页 |
| 3.7.1 算法对比 | 第65-67页 |
| 3.7.2 性能评价指标 | 第67-68页 |
| 3.8 小结 | 第68-69页 |
| 4 基于超像素分割和多核学习的可通行区域识别 | 第69-90页 |
| 4.1 引言 | 第69-71页 |
| 4.2 超像素分割 | 第71-74页 |
| 4.2.1 SLIC算法 | 第72页 |
| 4.2.2 参数影响 | 第72-74页 |
| 4.3 多核学习算法 | 第74-77页 |
| 4.4 基于超像素分割和多核学习的可通行区域识别算法 | 第77-84页 |
| 4.4.1 超像素特征提取 | 第77-81页 |
| 4.4.2 近景高置信样本训练集 | 第81-83页 |
| 4.4.3 基于超像素分割和多核学习的可通行区域识别框架 | 第83-84页 |
| 4.5 实验数据库介绍 | 第84-85页 |
| 4.6 NUST场景序列上的实验结果与分析 | 第85-87页 |
| 4.7 性能指标评价 | 第87-89页 |
| 4.8 小结 | 第89-90页 |
| 5 基于主动鉴别字典学习的序列图像可通行性判别算法 | 第90-105页 |
| 5.1 引言 | 第90-91页 |
| 5.2 字典学习 | 第91-93页 |
| 5.3 主动鉴别字典学习 | 第93-94页 |
| 5.4 基于主动鉴别字典学习的序列图像可通行性判别算法 | 第94-96页 |
| 5.4.1 结构化SRC | 第94-95页 |
| 5.4.2 基于主动鉴别字典学习的可通行性判别算法 | 第95-96页 |
| 5.5 实验数据库介绍 | 第96-97页 |
| 5.6 野外场景图像序列上的实验结果及分析 | 第97-100页 |
| 5.6.1 算法对比 | 第98-99页 |
| 5.6.2 性能评价指标 | 第99-100页 |
| 5.7 NUST图像序列上的实验结果及分析 | 第100-104页 |
| 5.7.1 算法对比 | 第101-103页 |
| 5.7.2 性能评价指标 | 第103-104页 |
| 5.8 小结 | 第104-105页 |
| 6 总结与展望 | 第105-108页 |
| 致谢 | 第108-109页 |
| 参考文献 | 第109-120页 |
| 附录 | 第120页 |
