| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第11-19页 |
| 1.1 课题研究背景及意义 | 第11-13页 |
| 1.2 国内外研究现状 | 第13-16页 |
| 1.2.1 采摘机器人研究现状 | 第13-14页 |
| 1.2.2 果实识别研究现状 | 第14-15页 |
| 1.2.3 果实跟踪识别研究现状 | 第15-16页 |
| 1.3 苹果采摘机器人视觉系统主要存在的问题与挑战 | 第16-17页 |
| 1.4 本文研究内容 | 第17-19页 |
| 第二章 苹果采摘机器人视觉系统 | 第19-27页 |
| 2.1 机器视觉 | 第19-21页 |
| 2.1.1 机器视觉基本理论 | 第19页 |
| 2.1.2 机器视觉系统构造 | 第19-21页 |
| 2.2 苹果采摘机器人视觉系统硬件组成 | 第21-23页 |
| 2.3 苹果采摘机器人视觉系统软件实现 | 第23-26页 |
| 2.4 本章小结 | 第26-27页 |
| 第三章 苹果图像分割方法研究 | 第27-50页 |
| 3.1 图像颜色空间的选取 | 第27-35页 |
| 3.1.1 RGB颜色空间 | 第28-30页 |
| 3.1.2 HSI颜色空间 | 第30-33页 |
| 3.1.3 Lab颜色空间 | 第33-35页 |
| 3.2 苹果图像分割 | 第35-43页 |
| 3.2.1 阈值分割 | 第35-40页 |
| 3.2.2 k-means聚类分割 | 第40-43页 |
| 3.3 分割图像后期处理 | 第43-49页 |
| 3.3.1 数学形态学处理方法 | 第43-44页 |
| 3.3.2 腐蚀与膨胀 | 第44-45页 |
| 3.3.3 开运算与闭运算 | 第45-47页 |
| 3.3.4 噪声去除与孔洞填充 | 第47-48页 |
| 3.3.5 图像后期处理主要步骤 | 第48-49页 |
| 3.4 本章小结 | 第49-50页 |
| 第四章 苹果跟踪识别算法研究 | 第50-67页 |
| 4.1 压缩跟踪算法理论基础 | 第50-54页 |
| 4.1.1 压缩感知理论 | 第50-51页 |
| 4.1.2 压缩特征 | 第51-53页 |
| 4.1.3 朴素贝叶斯分类器的构建与更新 | 第53-54页 |
| 4.1.4 传统压缩跟踪算法流程 | 第54页 |
| 4.2 传统压缩跟踪算法存在的问题 | 第54-55页 |
| 4.2.1 跟踪窗口尺度的自适应变化 | 第54-55页 |
| 4.2.2 分类器的分类性能 | 第55页 |
| 4.3 基于SURF特征匹配的跟踪窗口自适应调整 | 第55-61页 |
| 4.3.1 SURF算法简介 | 第55-56页 |
| 4.3.2 SURF特征 | 第56-58页 |
| 4.3.3 SURF特征点匹配准则 | 第58-59页 |
| 4.3.4 SURF特征检测与匹配实验结果 | 第59-61页 |
| 4.4 支持向量机 | 第61-65页 |
| 4.4.1 支持向量机原理 | 第61-63页 |
| 4.4.2 SVM分类器的构建与更新 | 第63-64页 |
| 4.4.3 SVM分类器参数的选取 | 第64-65页 |
| 4.5 改进后的算法流程 | 第65-66页 |
| 4.6 本章小结 | 第66-67页 |
| 第五章 苹果果实快速跟踪识别实验结果与分析 | 第67-76页 |
| 5.1 实验环境与步骤 | 第67-68页 |
| 5.2 苹果分割与匹配实验结果与分析 | 第68-72页 |
| 5.3 苹果跟踪识别实验结果与分析 | 第72-75页 |
| 5.4 本章小结 | 第75-76页 |
| 第六章 总结与展望 | 第76-78页 |
| 6.1 研究工作总结 | 第76-77页 |
| 6.2 后续工作展望 | 第77-78页 |
| 参考文献 | 第78-83页 |
| 致谢 | 第83-84页 |
| 攻读硕士学位期间参加的科研项目及发表的学术论文 | 第84页 |