基于计算机视觉的树上柑橘自动识别和定位技术的研究
插图清单 | 第1-10页 |
插表清单 | 第10-12页 |
摘要 | 第12-14页 |
Abstract | 第14-17页 |
第1章 绪论 | 第17-28页 |
·研究目的和意义 | 第17-20页 |
·国内外研究状况 | 第20-25页 |
·自动采摘机器人的研究状况 | 第20-23页 |
·基于计算机视觉的果实识别和定位方法 | 第23-24页 |
·存在的问题 | 第24-25页 |
·研究内容、目标与方法 | 第25-28页 |
·研究内容和目标 | 第25-26页 |
·研究方法和技术路线 | 第26-28页 |
第2章 柑橘采摘双目立体视觉系统的设计 | 第28-37页 |
·双目立体视觉基本原理 | 第28-29页 |
·双目立体视觉模型分析 | 第29-32页 |
·交向摆放式空间坐标解算 | 第29-30页 |
·正直摆放式空间坐标解算 | 第30-31页 |
·不同视觉系统结构的比较 | 第31-32页 |
·双目立体视觉系统的工作流程 | 第32-33页 |
·双目立体视觉硬件系统搭建 | 第33-35页 |
·硬件设备 | 第33-34页 |
·系统参数设定 | 第34-35页 |
·双目立体视觉软件系统设计 | 第35-36页 |
·本章小结 | 第36-37页 |
第3章 摄像机标定 | 第37-51页 |
·摄像机成像模型 | 第37-43页 |
·参考坐标系 | 第37-39页 |
·摄像机成像的数学模型 | 第39-43页 |
·摄像机标定方法 | 第43-44页 |
·摄像机标定试验 | 第44-50页 |
·试验仪器 | 第44-46页 |
·标定流程 | 第46-47页 |
·试验结果与分析 | 第47-50页 |
·本章小结 | 第50-51页 |
第4章 图像采集与预处理 | 第51-67页 |
·图像采集 | 第51-52页 |
·单目图像采集 | 第51页 |
·双目图像采集 | 第51-52页 |
·图像预处理 | 第52-66页 |
·直方图均衡化处理 | 第52-53页 |
·图像灰度化 | 第53-56页 |
·图像二值化和蒙版计算 | 第56-57页 |
·图像噪声、孔洞等的去除处理 | 第57-58页 |
·双目图像校正 | 第58-66页 |
·小结 | 第66-67页 |
第5章 图像分割及果实提取 | 第67-118页 |
·图像分割方法 | 第68-72页 |
·现有的分割方法 | 第68-70页 |
·类圆目标物体的分割方法 | 第70-71页 |
·重叠及遮挡物体的分割方法 | 第71-72页 |
·基于区域的柑橘图像分割 | 第72-77页 |
·基于K均值聚类算法的柑橘图像分割 | 第72-73页 |
·改进的K均值聚类算法 | 第73-74页 |
·试验结果与分析 | 第74-77页 |
·基于边缘的柑橘图像分割 | 第77-97页 |
·最优化算子Canny的边缘检测 | 第79-86页 |
·基于小波变换的多尺度边缘检测 | 第86-94页 |
·小波变换和Canny算子融合的边缘检测 | 第94-97页 |
·基于区域和边缘的柑橘图像分割结果融合 | 第97-100页 |
·基于区域和边缘的分割结果融合算法 | 第98页 |
·试验结果与分析 | 第98-100页 |
·果实提取 | 第100-108页 |
·基于子图分解的RHT算法设计 | 第101-105页 |
·试验结果与分析 | 第105-108页 |
·结合视差图像进行的柑橘图像分割 | 第108-116页 |
·视差图像计算 | 第109-112页 |
·视差图像分割 | 第112页 |
·试验结果与分析 | 第112-116页 |
·小结 | 第116-118页 |
第6章 立体图像匹配及深度计算 | 第118-129页 |
·体匹配方法 | 第118-119页 |
·基于兴趣点的匹配 | 第119-128页 |
·兴趣点检测 | 第119-121页 |
·兴趣点描述 | 第121-122页 |
·特征匹配 | 第122页 |
·试验结果与分析 | 第122-128页 |
·小结 | 第128-129页 |
第7章 结论与展望 | 第129-132页 |
·研究结论 | 第129-130页 |
·主要创新内容 | 第130-131页 |
·可进一步研究的问题 | 第131-132页 |
参考文献 | 第132-145页 |
攻读博士期间发表学术论文 | 第145-146页 |
致谢 | 第146页 |