基于双目视觉的地面投影互动系统研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第11-24页 |
| 1.1 系统研究背景及意义 | 第11-15页 |
| 1.1.1 人机交互及投影互动技术研究背景 | 第11-12页 |
| 1.1.2 虚拟现实技术研究背景 | 第12-13页 |
| 1.1.3 双目立体视觉技术研究背景 | 第13-14页 |
| 1.1.4 论文研究意义 | 第14-15页 |
| 1.2 国内外研究现状 | 第15-17页 |
| 1.2.1 国外研究现状 | 第15-16页 |
| 1.2.2 国内研究现状 | 第16-17页 |
| 1.3 地面投影互动系统技术难点 | 第17-19页 |
| 1.4 论文研究目的与及主要研究内容 | 第19-22页 |
| 1.4.1 论文研究目的 | 第19-20页 |
| 1.4.2 论文主要研究内容 | 第20-22页 |
| 1.5 论文组织结构 | 第22-23页 |
| 1.6 课题来源 | 第23-24页 |
| 第二章 地面投影互动系统框架设计 | 第24-36页 |
| 2.1 系统框架设计 | 第24-26页 |
| 2.1.1 传统地面投影互动系统 | 第24页 |
| 2.1.2 本文的地面投影交互系统 | 第24-26页 |
| 2.2 系统硬件选型 | 第26-30页 |
| 2.2.1 摄像头及滤光片 | 第26-29页 |
| 2.2.2 投影仪 | 第29-30页 |
| 2.3 系统软件框架设计 | 第30-35页 |
| 2.3.1 系统软件开发环境介绍 | 第30-31页 |
| 2.3.2 系统软件框架介绍 | 第31-35页 |
| 2.4 本章小结 | 第35-36页 |
| 第三章 脚部实时检测算法研究 | 第36-71页 |
| 3.1 基于卷积神经网络的目标检测算法概述 | 第36-42页 |
| 3.1.1 卷积神经网络 | 第36-42页 |
| 3.1.2 卷积神经网络的分类 | 第42页 |
| 3.2 YOLO算法 | 第42-47页 |
| 3.2.1 YOLO网络设计 | 第43-44页 |
| 3.2.2 YOLO预训练 | 第44页 |
| 3.2.3 YOLO检测过程 | 第44-47页 |
| 3.3 改进YOLO算法 | 第47-57页 |
| 3.3.1 批规范化处理 | 第48-50页 |
| 3.3.2 加入Inception结构 | 第50-52页 |
| 3.3.3 改进损失函数 | 第52-53页 |
| 3.3.4 改进YOLO的卷积神经网络结构 | 第53-57页 |
| 3.4 基于改进YOLO实现脚部检测 | 第57-64页 |
| 3.4.1 改进YOLO的算法设计 | 第57-61页 |
| 3.4.2 改进YOLO的算法实现 | 第61-64页 |
| 3.5 改进YOLO的性能分析和对比 | 第64-70页 |
| 3.5.1 性能评价指标 | 第64页 |
| 3.5.2 性能分析和对比 | 第64-70页 |
| 3.6 本章小结 | 第70-71页 |
| 第四章 脚尖信息检测 | 第71-85页 |
| 4.1 脚尖位置检测 | 第71-73页 |
| 4.2 脚尖深度检测 | 第73-83页 |
| 4.2.1 双目测距原理简介 | 第73-74页 |
| 4.2.2 畸变矫正及立体校正原理简介 | 第74-76页 |
| 4.2.3 相机标定原理简介 | 第76-80页 |
| 4.2.4 相机标定实现 | 第80-83页 |
| 4.2.5 脚尖深度检测实验效果 | 第83页 |
| 4.3 本章小结 | 第83-85页 |
| 第五章 系统实现与分析 | 第85-95页 |
| 5.1 系统硬件实现 | 第85-86页 |
| 5.2 图像坐标到鼠标坐标的映射 | 第86-87页 |
| 5.3 脚尖动作识别 | 第87-90页 |
| 5.4 地面投影交互系统性能分析 | 第90-91页 |
| 5.5 系统整体运行 | 第91-93页 |
| 5.6 本章小结 | 第93-95页 |
| 总结与展望 | 第95-97页 |
| 参考文献 | 第97-103页 |
| 攻读硕士学位期间取得的研究成果 | 第103-104页 |
| 致谢 | 第104-105页 |
| 附表 | 第105页 |
