| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第10-20页 |
| 1.1 课题研究的背景与意义 | 第10-11页 |
| 1.2 自充电机器人及双目视觉的国内外研究现状 | 第11-17页 |
| 1.3 本文的主要研究内容和结构安排 | 第17-20页 |
| 第2章 双目视觉摄像机系统标定与特征点三维坐标定位 | 第20-34页 |
| 2.1 引言 | 第20页 |
| 2.2 实验平台介绍 | 第20-23页 |
| 2.2.1 Bumblebee2 双目视觉摄像机系统 | 第20-22页 |
| 2.2.2 自制的 CMOS 双目视觉摄像机系统 | 第22-23页 |
| 2.3 双目视觉摄像机系统标定 | 第23-30页 |
| 2.3.1 摄像机模型 | 第23-28页 |
| 2.3.2 基于 OpenCV 的双目视觉摄像机标定 | 第28-30页 |
| 2.3.3 自制 CMOS 双目视觉摄像机标定结果 | 第30页 |
| 2.4 空间特征点三维坐标定位 | 第30-32页 |
| 2.4.1 基于 OpenCV 的立体校正 | 第30-31页 |
| 2.4.2 已校正图像的三维坐标定位 | 第31-32页 |
| 2.5 本章小结 | 第32-34页 |
| 第3章 基于 SIFT 算法的插座识别 | 第34-46页 |
| 3.1 引言 | 第34页 |
| 3.2 尺度不变特征变换(SIFT)算法 | 第34-39页 |
| 3.2.1 DoG 尺度空间的生成 | 第34-35页 |
| 3.2.2 图像金字塔的构建 | 第35-36页 |
| 3.2.3 点的搜索与定位 | 第36-37页 |
| 3.2.4 删除边缘效应 | 第37页 |
| 3.2.5 特征点方向分配 | 第37-38页 |
| 3.2.6 特征矢量生成 | 第38-39页 |
| 3.2.7 SIFT 特征点匹配 | 第39页 |
| 3.3 实验结果及分析 | 第39-44页 |
| 3.4 本章小结 | 第44-46页 |
| 第4章 图像插孔目标检测与定位 | 第46-58页 |
| 4.1 引言 | 第46页 |
| 4.2 插座图像阈值分割 | 第46-47页 |
| 4.2.1 图像的灰度化 | 第46页 |
| 4.2.2 图像的灰度阈值变换 | 第46-47页 |
| 4.3 插孔特征提取 | 第47-49页 |
| 4.3.1 图像特征概述 | 第47-48页 |
| 4.3.2 插头插座的中国国家标准化进程概述 | 第48页 |
| 4.3.3 单相两极带接地插座插孔的特征提取 | 第48-49页 |
| 4.4 基于双目视觉的插孔孔心定位 | 第49-50页 |
| 4.5 实验结果与分析 | 第50-57页 |
| 4.6 本章小结 | 第57-58页 |
| 第5章 全文总结 | 第58-60页 |
| 5.1 论文工作总结 | 第58页 |
| 5.2 未来研究展望 | 第58-60页 |
| 参考文献 | 第60-66页 |
| 致谢 | 第66页 |
