| 学位论文数据集 | 第3-4页 |
| 摘要 | 第4-6页 |
| ABSTRACT | 第6-8页 |
| 第一章 绪论 | 第14-24页 |
| 1.1 课题研究背景 | 第14-15页 |
| 1.2 用于图像分割的深度学习国内外研究现状 | 第15-19页 |
| 1.3 仿生机器鱼控制方法国内外研究现状 | 第19-20页 |
| 1.3.1 基于已有的中枢模式发生器的控制方法 | 第20页 |
| 1.4 鱼类位姿识别系统及仿生多关节机器鱼动力学模型研究意义 | 第20-21页 |
| 1.5 本论文的工作及安排 | 第21-24页 |
| 第二章 全局视觉机器鱼控制系统视觉子系统构建 | 第24-34页 |
| 2.1 全局视觉多机器鱼控制系统简介 | 第24-25页 |
| 2.2 真鱼实验平台简介 | 第25-26页 |
| 2.3 全局视觉机器鱼控制系统硬件平台 | 第26-29页 |
| 2.3.1 计算机硬件配置及所用软件平台 | 第27-28页 |
| 2.3.2 通讯单元 | 第28-29页 |
| 2.4 视觉子系统 | 第29-32页 |
| 2.4.1 图像采集用高清摄像头 | 第30-31页 |
| 2.4.2 图像采集程序接口及失真校正 | 第31-32页 |
| 2.5 本章小结 | 第32-34页 |
| 第三章 仿生多关节机器鱼控制器设计 | 第34-76页 |
| 3.1 仿生多关节机器鱼简介 | 第34-35页 |
| 3.2 仿生多关节机器鱼控制器设计 | 第35-39页 |
| 3.2.1 控制器 | 第36-37页 |
| 3.2.2 无线通讯单元 | 第37-38页 |
| 3.2.3 舵机 | 第38-39页 |
| 3.3 仿生多关节机器鱼动力学模型及运动控制 | 第39-65页 |
| 3.3.1 现有中枢模式发生器模型缺陷描述及验证 | 第39-46页 |
| 3.3.2 优化中枢模式发生器模型设计及控制方法 | 第46-65页 |
| 3.4 中枢模式发生器仿真平台开发及真鱼测试 | 第65-74页 |
| 3.4.1 离散中枢模式发生器模型实现 | 第65-69页 |
| 3.4.2 离散中枢模式发生器运动学仿真 | 第69-71页 |
| 3.4.3 仿真平台效果检验 | 第71-74页 |
| 3.5 本章小结 | 第74-76页 |
| 第四章 基于机器视觉的机器鱼位姿识别系统构建 | 第76-108页 |
| 4.1 位姿识别实验环境简介 | 第76-83页 |
| 4.1.1 静态水域环境介绍 | 第77-80页 |
| 4.1.2 全局视觉机器鱼控制系统水域环境介绍 | 第80-83页 |
| 4.2 背景差分法图像语义分割及姿态识别 | 第83-96页 |
| 4.2.1 背景差分法介绍及背景分离实现 | 第83-86页 |
| 4.2.2 背景差分法实现 | 第86-89页 |
| 4.2.3 姿态识别实现 | 第89-96页 |
| 4.3 基于HSI通道的鱼类语义分割 | 第96-106页 |
| 4.3.1 色彩空间简介 | 第96-99页 |
| 4.3.2 RGB色彩空间分水岭切割 | 第99-104页 |
| 4.3.3 HSI色彩空间分水岭切割 | 第104-106页 |
| 4.4 本章小结 | 第106-108页 |
| 第五章 基于对抗生成网络的机器鱼识别分割系统构建 | 第108-122页 |
| 5.1 问题描述 | 第108页 |
| 5.2 图像分割用对抗生成网络搭建 | 第108-112页 |
| 5.3 图像分割用对抗生成网络测试及实验结果 | 第112-121页 |
| 5.3.1 静态水域鱼类切割 | 第113-116页 |
| 5.3.2 全局视觉机器鱼控制系统水域鱼类切割 | 第116-121页 |
| 5.4 本章小结 | 第121-122页 |
| 第六章 全文总结与展望 | 第122-124页 |
| 6.1 全文工作总结 | 第122-123页 |
| 6.2 本文工作研究展望 | 第123-124页 |
| 参考文献 | 第124-128页 |
| 致谢 | 第128-130页 |
| 研究成果及发表的学术论文 | 第130-132页 |
| 作者和导师简介 | 第132-134页 |
| 北京化工大学硕士研究生学位论文答辩委员会决议书 | 第134-135页 |