基于BOW的工业机器人视觉特征提取技术研究
| 摘要 | 第5-7页 |
| ABSTRACT | 第7-9页 |
| 第1章 绪论 | 第12-17页 |
| 1.1 选题的背景及意义 | 第12-13页 |
| 1.2 国内外研究现状概述 | 第13-14页 |
| 1.3 本文主要研究内容与章节安排 | 第14-16页 |
| 1.4 本章小结 | 第16-17页 |
| 第2章 基于SIFT的图像特征提取 | 第17-26页 |
| 2.1 SIFT算法综述 | 第17-23页 |
| 2.1.1 尺度空间构造 | 第18-19页 |
| 2.1.2 极值点检测 | 第19-20页 |
| 2.1.3 关键点定位 | 第20-21页 |
| 2.1.4 关键点方向确定 | 第21-22页 |
| 2.1.5 关键点的特征描述符 | 第22-23页 |
| 2.2 改进型SIFT算法 | 第23-25页 |
| 2.2.1 消除边缘响应 | 第23-25页 |
| 2.2.2 改善光照变化对SIFT算子的影响 | 第25页 |
| 2.3 本章小结 | 第25-26页 |
| 第3章 SIFT的BOW特征表达模型 | 第26-35页 |
| 3.1 BOW模型概述 | 第26-27页 |
| 3.2 BOW特征表达模型 | 第27-33页 |
| 3.2.1 SIFT特征的降维 | 第29-31页 |
| 3.2.2 聚类算法及视觉表达生成 | 第31-33页 |
| 3.3 SVM分类器 | 第33-34页 |
| 3.4 本章小结 | 第34-35页 |
| 第4章 实验设计与仿真 | 第35-50页 |
| 4.1 SIFT特征提取实验 | 第35-39页 |
| 4.2 BOW特征表达模型的实验 | 第39-45页 |
| 4.2.1 PCA维数确定 | 第40-42页 |
| 4.2.2 BOW模型的图像分类 | 第42-45页 |
| 4.3 工业机器人安全防护的方案设计及实验 | 第45-49页 |
| 4.3.1 方案设计 | 第45-48页 |
| 4.3.2 实验结果及分析 | 第48-49页 |
| 4.4 本章小结 | 第49-50页 |
| 第5章 总结与展望 | 第50-52页 |
| 5.1 研究内容的总结与分析 | 第50-51页 |
| 5.2 本文内容的展望与分析 | 第51-52页 |
| 参考文献 | 第52-56页 |
| 攻读学位期间取得的科研成果 | 第56-57页 |
| 致谢 | 第57页 |
