室外道路环境下基于异构视觉的拓扑地图创建
| 摘要 | 第1-4页 |
| Abstract | 第4-6页 |
| 目录 | 第6-8页 |
| 1. 绪论 | 第8-18页 |
| ·移动机器人的研究发展概述 | 第8-13页 |
| ·国外移动机器人的发展现状 | 第8-11页 |
| ·国内移动机器人的发展现状 | 第11-13页 |
| ·论文的研究背景及意义 | 第13-16页 |
| ·移动机器人拓扑地图创建的研究现状及研究意义 | 第13-15页 |
| ·全景视觉在移动机器人导航中的研究意义 | 第15-16页 |
| ·本文主要的研究工作 | 第16页 |
| ·本文的章节安排 | 第16-18页 |
| 2. 异构视觉系统及图像预处理 | 第18-26页 |
| ·异构视觉系统 | 第18-22页 |
| ·全景视觉简介 | 第18-19页 |
| ·单视点全景视觉成像原理 | 第19-21页 |
| ·异构视觉系统的选取 | 第21-22页 |
| ·图像平滑 | 第22-25页 |
| ·中值滤波 | 第22-23页 |
| ·均值滤波 | 第23-24页 |
| ·高斯滤波 | 第24-25页 |
| ·本章小结 | 第25-26页 |
| 3 室外道路环境下基于全景视觉的路口检测 | 第26-49页 |
| ·基于阈值法的图像分割 | 第27-29页 |
| ·一种阈值法与区域生长相结合图像分割算法 | 第29-31页 |
| ·区域生长的一般方法 | 第29-30页 |
| ·一种结合阈值法改进的区域生长算法 | 第30-31页 |
| ·室外道路环境下基于全景视觉的路口检测方法 | 第31-42页 |
| ·实验结果与分析 | 第42-48页 |
| ·实验平台简介 | 第42-43页 |
| ·实验结果及路口判断条件的分析 | 第43-48页 |
| ·本章小结 | 第48-49页 |
| 4 基于前向视觉的环境特征提取 | 第49-64页 |
| ·SIFT特征提取算法简介 | 第49-53页 |
| ·SIFT算子的特点 | 第49-50页 |
| ·SIFT特征提取算法的过程 | 第50-53页 |
| ·SURF特征提取算法 | 第53-58页 |
| ·积分图像 | 第54-55页 |
| ·Fast-Hessian矩阵的建立 | 第55-56页 |
| ·SURF算法的尺度空间表示及“兴趣点”的检测 | 第56-57页 |
| ·SURF特征向量的描述与匹配 | 第57-58页 |
| ·实验结果与分析 | 第58-63页 |
| ·本章小结 | 第63-64页 |
| 5 基于全景视觉和前向视觉协同的拓扑地图创建 | 第64-72页 |
| ·拓扑节点的定义与检测 | 第64-65页 |
| ·节点的定位 | 第65-68页 |
| ·拓扑节点的建立与识别 | 第68-69页 |
| ·实验分析 | 第69-71页 |
| ·本章小结 | 第71-72页 |
| 6 总结与展望 | 第72-74页 |
| 致谢 | 第74-75页 |
| 参考文献 | 第75-78页 |
