面向智能服务机器人的物体感知研究
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-8页 |
| 目录 | 第8-11页 |
| 第1章 绪论 | 第11-15页 |
| ·引言 | 第11-12页 |
| ·服务机器人物体识别的研究现状 | 第12-14页 |
| ·本文研究内容与论文结构 | 第14-15页 |
| 第2章 物体识别相关技术 | 第15-27页 |
| ·概述 | 第15-16页 |
| ·基于LINE-MOD模板匹配的物体检测方法 | 第16-19页 |
| ·LINE-MOD简介 | 第16-17页 |
| ·相似性度量 | 第17-18页 |
| ·梯度模态提取 | 第18页 |
| ·表面法线模态提取 | 第18-19页 |
| ·基于局部特征匹配的物体识别方法 | 第19-25页 |
| ·局部特征简介 | 第19-20页 |
| ·特征点检测 | 第20-22页 |
| ·特征描述 | 第22-24页 |
| ·特征匹配 | 第24-25页 |
| ·本章小结 | 第25-27页 |
| 第3章 视觉传感器及硬件平台 | 第27-35页 |
| ·硬件平台 | 第27-28页 |
| ·深度传感器 | 第28-31页 |
| ·深度数据获取方法与设备 | 第28-30页 |
| ·Kinect传感器 | 第30-31页 |
| ·联合标定Kinect与CCD相机 | 第31-34页 |
| ·单个相机的几何标定 | 第31-32页 |
| ·两个相机的联合标定 | 第32-33页 |
| ·相机标定实验 | 第33-34页 |
| ·本章小结 | 第34-35页 |
| 第4章 自动物体分割 | 第35-43页 |
| ·概述 | 第35页 |
| ·图像分割相关技术 | 第35-38页 |
| ·GraphCut算法 | 第35-36页 |
| ·GrabCut算法 | 第36-38页 |
| ·自动物体分割算法 | 第38-40页 |
| ·算法应用场景 | 第38页 |
| ·算法描述 | 第38-40页 |
| ·自动物体分割实验 | 第40-41页 |
| ·实验设置 | 第40页 |
| ·实验结果与分析 | 第40-41页 |
| ·物体分割对LINE-MOD模板的影响 | 第41页 |
| ·本章小结 | 第41-43页 |
| 第5章 结合多特征的实时物体识别系统 | 第43-59页 |
| ·概述 | 第43页 |
| ·物体识别系统设计 | 第43-45页 |
| ·系统设计方法 | 第43-44页 |
| ·物体识别系统实例 | 第44-45页 |
| ·物体建模 | 第45-48页 |
| ·物体分割 | 第46页 |
| ·建立LINE-MOD模板库 | 第46-47页 |
| ·构建颜色直方图描述子 | 第47页 |
| ·提取SURF特征描述子 | 第47-48页 |
| ·机器人自动物体建模 | 第48页 |
| ·物体识别模块 | 第48-50页 |
| ·LINE-MOD检测 | 第48-49页 |
| ·候选目标合并 | 第49页 |
| ·颜色直方图比较 | 第49页 |
| ·SURF特征匹配 | 第49-50页 |
| ·动态阈值调整算法 | 第50-51页 |
| ·实验 | 第51-57页 |
| ·实验数据 | 第51-52页 |
| ·模块组合验证 | 第52-54页 |
| ·系统整体验证 | 第54-55页 |
| ·阈值策略 | 第55-57页 |
| ·本章小结 | 第57-59页 |
| 第6章 总结和展望 | 第59-61页 |
| ·本文工作总结 | 第59-60页 |
| ·未来工作展望 | 第60-61页 |
| 参考文献 | 第61-67页 |
| 致谢 | 第67-69页 |
| 在读期间发表的学术论文与取得的研究成果 | 第69页 |
