| 摘要 | 第1-6页 |
| ABSTRACT | 第6-9页 |
| 目录 | 第9-14页 |
| 第一章 绪论 | 第14-31页 |
| ·研究背景 | 第14-15页 |
| ·场景理解的国内外研究现状 | 第15-19页 |
| ·场景理解的研究现状 | 第15-17页 |
| ·基于机器视觉的场景理解在机器人视觉中的研究及应用 | 第17-19页 |
| ·研究问题的提出 | 第19-20页 |
| ·基于机器视觉的室外场景理解的关键技术研究现状 | 第20-28页 |
| ·航拍图像的建筑物检测 | 第20-22页 |
| ·深度信息的应用 | 第22-24页 |
| ·物体辨识的方法 | 第24-28页 |
| ·本文的研究内容及研究意义 | 第28-31页 |
| ·研究内容 | 第28-29页 |
| ·研究意义 | 第29-31页 |
| 第二章 基于阴影的航拍图像建筑物检测 | 第31-44页 |
| ·引言 | 第31页 |
| ·基于阴影的建筑物检测 | 第31-40页 |
| ·阴影检测 | 第33-35页 |
| ·建筑物初步检测 | 第35-37页 |
| ·建筑物最终检测 | 第37-40页 |
| ·实验结果及分析 | 第40-42页 |
| ·本章小结 | 第42-44页 |
| 第三章 基于深度信息的室外场景图模型研究 | 第44-63页 |
| ·引言 | 第44页 |
| ·图像分割与图模型 | 第44-46页 |
| ·图像分割 | 第44-46页 |
| ·图模型 | 第46页 |
| ·基于双目视觉的深度计算 | 第46-50页 |
| ·基于深度信息的图模型 | 第50-57页 |
| ·深度图像的预处理 | 第51-52页 |
| ·基于深度信息的图模型 | 第52-53页 |
| ·三维图模型的聚类正确率评估 | 第53-55页 |
| ·超级像素个数的选择 | 第55-57页 |
| ·实验结果及分析 | 第57-62页 |
| ·本章小结 | 第62-63页 |
| 第四章 基于自适应增强决策树和支持向量机的室外场景图像理解 | 第63-79页 |
| ·引言 | 第63页 |
| ·特征选择与特征量化 | 第63-64页 |
| ·自适应增强决策树分类器设计 | 第64-70页 |
| ·特征提取 | 第64-65页 |
| ·基于自适应增强决策树分类器设计 | 第65-70页 |
| ·基于梯度方向直方图特征的支持向量机分类器设计 | 第70-73页 |
| ·可变模板的梯度方向直方图 | 第71-73页 |
| ·支持向量机训练 | 第73页 |
| ·实验结果及分析 | 第73-78页 |
| ·本章小结 | 第78-79页 |
| 第五章 基于条件随机场模型的室外场景图像理解 | 第79-100页 |
| ·引言 | 第79页 |
| ·基于超级像素的条件随机场模型 | 第79-83页 |
| ·基于多类物体初步识别基础上的条件随机场模型的特征函数 | 第83-88页 |
| ·单节点项的特征函数 | 第83-85页 |
| ·相邻节点项的特征函数 | 第85-88页 |
| ·模型推断 | 第88-89页 |
| ·实验结果及分析 | 第89-99页 |
| ·本章小结 | 第99-100页 |
| 第六章 室外场景图像理解原型系统 | 第100-116页 |
| ·引言 | 第100页 |
| ·HSP电动攀爬车的视觉系统 | 第100-106页 |
| ·视觉系统硬件结构 | 第101-103页 |
| ·流媒体传输 | 第103页 |
| ·室外场景图像理解系统算法设计流程图 | 第103-106页 |
| ·控制信号的传输 | 第106页 |
| ·HSP电动攀爬车的图像获取与数据标注 | 第106-108页 |
| ·航拍图像获取 | 第106页 |
| ·地面环境图像获取 | 第106-107页 |
| ·数据标注 | 第107-108页 |
| ·实验结果 | 第108-114页 |
| ·航拍图像中的建筑物识别 | 第109-110页 |
| ·室外场景理解 | 第110-113页 |
| ·室外场景中的目标物识别 | 第113-114页 |
| ·本章小结 | 第114-116页 |
| 第七章 结论与展望 | 第116-120页 |
| 参考文献 | 第120-128页 |
| 致谢 | 第128-129页 |
| 攻读博士学位期间取得的研究成果 | 第129页 |
