| 摘要 | 第1-5页 |
| Abstract | 第5-11页 |
| 第一章 绪论 | 第11-16页 |
| ·论文研究的背景与意义 | 第11-13页 |
| ·移动机器人的发展 | 第11-12页 |
| ·基于计算机视觉的移动机器人环境识别 | 第12页 |
| ·神经网络图像识别技术 | 第12-13页 |
| ·论文研究的主要内容及创新点 | 第13-14页 |
| ·论文结构安排 | 第14-16页 |
| 第二章 基于视觉的移动机器人研究 | 第16-25页 |
| ·移动机器人及其视觉系统 | 第16-17页 |
| ·基于视觉的移动机器人研究与应用 | 第17-21页 |
| ·导航 | 第17-18页 |
| ·定位 | 第18-19页 |
| ·路径规划 | 第19页 |
| ·地图构建 | 第19-20页 |
| ·避障 | 第20页 |
| ·目标跟踪 | 第20-21页 |
| ·移动机器人的环境识别研究现状 | 第21-25页 |
| ·基于图像外观的环境识别 | 第22-23页 |
| ·基于兴趣点的环境识别 | 第23-24页 |
| ·小结 | 第24-25页 |
| 第三章 图像识别与人工神经网络理论 | 第25-38页 |
| ·图像识别 | 第25-28页 |
| ·图像识别的发展和现状 | 第25-26页 |
| ·图像识别系统的组成 | 第26-27页 |
| ·图像识别的方法及特点 | 第27-28页 |
| ·神经网络理论 | 第28-36页 |
| ·概述 | 第28-29页 |
| ·神经元模型 | 第29-31页 |
| ·神经网络结构 | 第31-33页 |
| ·神经网络学习规则 | 第33-34页 |
| ·人工神经网络的主要特点 | 第34-36页 |
| ·神经网络图像识别技术 | 第36-38页 |
| ·神经网络方法的提出 | 第36-37页 |
| ·神经网络图像识别系统 | 第37-38页 |
| 第四章 神经网络与遗传算法的结合 | 第38-44页 |
| ·遗传算法 | 第38-41页 |
| ·遗传算法概述 | 第38页 |
| ·遗传算法基本思想与步骤 | 第38-39页 |
| ·应用遗传算法的关键技术 | 第39-40页 |
| ·遗传算法的特点 | 第40-41页 |
| ·神经网络和遗传算法的结合 | 第41-44页 |
| ·概述 | 第41-42页 |
| ·遗传算法优化神经网络的连接权值 | 第42-44页 |
| 第五章 基于遗传算法的部分连接神经网络 | 第44-51页 |
| ·模型基本介绍 | 第44-45页 |
| ·染色体编码 | 第45-47页 |
| ·神经网络设计 | 第47-49页 |
| ·中间层节点数 | 第47-48页 |
| ·神经元输出规则 | 第48页 |
| ·激活函数 | 第48-49页 |
| ·遗传算法设计 | 第49-51页 |
| ·适应度函数 | 第49页 |
| ·遗传操作 | 第49-50页 |
| ·停止条件 | 第50-51页 |
| 第六章 PARCONE在移动机器人环境识别中的应用 | 第51-61页 |
| ·实验方案的设计 | 第51-53页 |
| ·仿真实验 | 第53-57页 |
| ·可行性研究 | 第53-54页 |
| ·鲁棒性研究 | 第54-57页 |
| ·NAO机器人的环境识别 | 第57-61页 |
| 第七章 总结与展望 | 第61-63页 |
| ·总结 | 第61-62页 |
| ·展望 | 第62-63页 |
| 参考文献 | 第63-69页 |
| 硕士期间发表论文 | 第69-70页 |
| 致谢 | 第70页 |