| 摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 第一章 绪论 | 第8-11页 |
| ·研究背景 | 第8页 |
| ·研究意义 | 第8页 |
| ·国内外研究发展状况 | 第8-10页 |
| ·本文主要研究内容 | 第10-11页 |
| 第二章 采棉机器人双目立体视觉系统构成 | 第11-16页 |
| ·采棉机器人双目立体视觉系统的研究内容 | 第11-12页 |
| ·采棉机器人双目立体视觉系统的基本原理 | 第12-13页 |
| ·系统仿真的应用环境 | 第13-15页 |
| ·硬件应用环境 | 第13-15页 |
| ·软件应用环境 | 第15页 |
| ·本章小结 | 第15-16页 |
| 第三章 基于 YCbCr 和 GA 优化神经网络的棉花图像分割 | 第16-27页 |
| ·图像分割原理 | 第16-18页 |
| ·棉花特征所选用的彩色空间 | 第18-20页 |
| ·RGB 彩色空间 | 第18-19页 |
| ·YCbCr 彩色空间 | 第19-20页 |
| ·棉花分割的 BP 神经网络模型 | 第20页 |
| ·GA（遗传算法） | 第20-22页 |
| ·GA 优化 BP 神经网络算法 | 第22-23页 |
| ·图像分割后的去噪方法 | 第23页 |
| ·实验结果分析 | 第23-26页 |
| ·提取 YCbCr 空间样本值 | 第23-24页 |
| ·遗传算法优化 BP 的棉花图像分割 | 第24-25页 |
| ·图像分割算法对比 | 第25-26页 |
| ·本章小结 | 第26-27页 |
| 第四章 基于 FAST 和 SURF 的棉花图像匹配算法研究 | 第27-37页 |
| ·双目匹配原理 | 第27-28页 |
| ·棉花图像 FAST 角点检测 | 第28-29页 |
| ·角点 SURF 描述子 | 第29-30页 |
| ·BBF（Best-Bin-First）查询图像匹配点对 | 第30-32页 |
| ·K-D 树 | 第30-32页 |
| ·BBF（Best-Bin-First）搜索算法 | 第32页 |
| ·RANSAC 与极线约束 | 第32-34页 |
| ·RANSAC 算法 | 第32-33页 |
| ·极线约束 | 第33页 |
| ·基于 RANSAC 算法与极线约束的匹配点优化 | 第33-34页 |
| ·实验结果分析 | 第34-36页 |
| ·本章小结 | 第36-37页 |
| 第五章 摄像机标定与棉花目标深度信息恢复 | 第37-45页 |
| ·摄像机标定坐标系与坐标系变换 | 第37-39页 |
| ·摄像机标定坐标系 | 第37-38页 |
| ·坐标系变换 | 第38-39页 |
| ·两步标定法 | 第39-41页 |
| ·棉花目标深度信息恢复 | 第41页 |
| ·实验结果 | 第41-44页 |
| ·双目摄像机标定过程 | 第41-42页 |
| ·摄像机标定实验结果 | 第42-43页 |
| ·深度信息恢复实验结果 | 第43-44页 |
| ·本章小结 | 第44-45页 |
| 第六章 总结与展望 | 第45-47页 |
| ·总结 | 第45-46页 |
| ·下一步工作展望 | 第46-47页 |
| 参考文献 | 第47-49页 |
| 在读学位期间发表的论文 | 第49-50页 |
| 致谢 | 第50页 |
