| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第10-20页 |
| 1.1 课题的背景与研究意义 | 第10-11页 |
| 1.2 机器视觉概况 | 第11-12页 |
| 1.2.1 Marr视觉理论 | 第11-12页 |
| 1.3 视觉系统构成 | 第12页 |
| 1.4 国内外研究现状 | 第12-17页 |
| 1.4.1 爬壁机器人发展现状 | 第13-16页 |
| 1.4.2 爬壁机器人环境检测技术的发展现状 | 第16-17页 |
| 1.5 研究内容与组织结构 | 第17-20页 |
| 1.5.1 本文主要研究内容 | 第17-18页 |
| 1.5.2 论文组织结构 | 第18-20页 |
| 第二章 双目视觉系统原理与爬壁机器人视觉系统方案 | 第20-28页 |
| 引言 | 第20页 |
| 2.1 平视双目视觉成像模型 | 第20-21页 |
| 2.2 双目视觉系统工作流程 | 第21-22页 |
| 2.3 爬壁机器人双目视觉系统方案设计 | 第22-23页 |
| 2.4 硬件平台 | 第23-25页 |
| 2.4.1 图像传感器选择 | 第23-24页 |
| 2.4.2 图像处理器选择 | 第24-25页 |
| 2.5 软件平台 | 第25-27页 |
| 2.6 本章小结 | 第27-28页 |
| 第三章 双目视觉系统标定及校正 | 第28-46页 |
| 引言 | 第28页 |
| 3.1 摄像机模型 | 第28-33页 |
| 3.1.1 四个层次的坐标系统 | 第28-30页 |
| 3.1.2 针孔成像模型 | 第30-31页 |
| 3.1.3 透镜畸变模型 | 第31-33页 |
| 3.2 摄像机标定 | 第33-38页 |
| 3.2.1 单摄像机标定 | 第33-36页 |
| 3.2.2 立体标定 | 第36-38页 |
| 3.3 双目极线校正 | 第38-44页 |
| 3.3.1 极线约束 | 第38-39页 |
| 3.3.2 极线校正原理 | 第39-42页 |
| 3.3.3 校正结果 | 第42-44页 |
| 3.4 本章小结 | 第44-46页 |
| 第四章 基于双目视觉的目标识别和定位 | 第46-70页 |
| 引言 | 第46页 |
| 4.1 图像平滑 | 第46-51页 |
| 4.1.1 简单平滑 | 第47-48页 |
| 4.1.2 中值平滑 | 第48-49页 |
| 4.1.3 高斯平滑 | 第49-51页 |
| 4.2 图像分割 | 第51-54页 |
| 4.2.1 区域生长法 | 第52-53页 |
| 4.2.2 聚类分割法 | 第53-54页 |
| 4.3 彩色路标分割算法 | 第54-63页 |
| 4.3.1 彩色模型的选择 | 第54-56页 |
| 4.3.2 直方图阈值法 | 第56页 |
| 4.3.3 基于阈值分割的彩色路标分割策略 | 第56-59页 |
| 4.3.4 形态学处理 | 第59-63页 |
| 4.4 立体匹配 | 第63-65页 |
| 4.5 三维重建 | 第65-69页 |
| 4.6 本章小结 | 第69-70页 |
| 第五章 基于双目视觉的障碍物检测算法及实验研究 | 第70-94页 |
| 引言 | 第70页 |
| 5.1 障碍物的定义及检测方法 | 第70-72页 |
| 5.2 基于边缘特征的立体匹配的障碍物检测技术研究 | 第72-94页 |
| 5.2.1 特征提取 | 第72-81页 |
| 5.2.2 基于SURF描述子的匹配特征的构建 | 第81-90页 |
| 5.2.3 边缘点的三维重建 | 第90-92页 |
| 5.2.4 障碍物点的检测结果 | 第92-94页 |
| 第六章 工作总结与展望 | 第94-96页 |
| 6.1 工作总结 | 第94页 |
| 6.2 展望 | 第94-96页 |
| 参考文献 | 第96-100页 |
| 致谢 | 第100-102页 |
| 攻读硕士学位期间发表论文说明 | 第102-103页 |