基于视觉增强的水下机器人目标识别与定位
| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 第一章 绪论 | 第11-21页 |
| 1.1 研究背景 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-19页 |
| 1.2.1 水下图像增强的研究现状 | 第12-14页 |
| 1.2.2 水下目标物检测的研究现状 | 第14-16页 |
| 1.2.3 水下目标物定位的研究现状 | 第16-18页 |
| 1.2.4 现有方法存在的问题 | 第18-19页 |
| 1.3 论文研究内容及意义 | 第19-20页 |
| 1.4 论文组织结构 | 第20-21页 |
| 第二章 基于改进DCP算法的水下图像增强 | 第21-43页 |
| 2.1 水下图像增强算法框架 | 第21页 |
| 2.2 水下环境对图像质量的影响 | 第21-25页 |
| 2.2.1 水下光学原理 | 第21-22页 |
| 2.2.2 水对光的吸收特性 | 第22-23页 |
| 2.2.3 水对光的散射特性 | 第23-24页 |
| 2.2.4 DCP算法处理水下图像的局限 | 第24-25页 |
| 2.3 改进DCP算法 | 第25-31页 |
| 2.3.1 水下增强模型与景深图的获取 | 第25-27页 |
| 2.3.2 水体背景颜色估计 | 第27-28页 |
| 2.3.3 透射图的获取 | 第28-29页 |
| 2.3.4 图像恢复与颜色校正 | 第29-30页 |
| 2.3.5 水下图像增强算法的总结 | 第30-31页 |
| 2.4 实验结果 | 第31-40页 |
| 2.4.1 相机参数标定 | 第33-34页 |
| 2.4.2 水下图像增强实验 | 第34-39页 |
| 2.4.3 实验结果分析 | 第39-40页 |
| 2.5 本章小结 | 第40-43页 |
| 第三章 基于改进DPM算法的水下目标物检测 | 第43-63页 |
| 3.1 改进的DPM算法框架 | 第43-44页 |
| 3.2 多模态特征的构建 | 第44-46页 |
| 3.2.1 降维的HOG描述子 | 第44-45页 |
| 3.2.2 融合颜色特征 | 第45-46页 |
| 3.3 DPM算法的训练与匹配 | 第46-48页 |
| 3.3.1 可变形部件模型 | 第46-47页 |
| 3.3.2 基于隐藏变量SVM训练模型 | 第47-48页 |
| 3.3.3 目标物的匹配检测 | 第48页 |
| 3.4 实时性提高的改进措施 | 第48-50页 |
| 3.4.1 特征金字塔的快速构建 | 第48-49页 |
| 3.4.2 快速傅里叶变换 | 第49-50页 |
| 3.5 后续处理 | 第50-52页 |
| 3.5.1 包围盒预测 | 第50-51页 |
| 3.5.2 非极大值抑制 | 第51-52页 |
| 3.6 实验结果 | 第52-61页 |
| 3.6.1 水下目标物识别实验 | 第52-61页 |
| 3.6.2 实验结果分析 | 第61页 |
| 3.7 本章小结 | 第61-63页 |
| 第四章 基于光流跟踪的目标物定位 | 第63-81页 |
| 4.1 水下机器人视觉定位研究内容 | 第63-67页 |
| 4.1.1 选用SURF特征描述子的原因 | 第64页 |
| 4.1.2 SURF特征描述子的提取 | 第64-67页 |
| 4.2 Lucas-Kanade光流法跟踪特征点 | 第67-68页 |
| 4.3 已知先验知识下的目标物定位 | 第68-72页 |
| 4.3.1 图像的对极约束 | 第68-69页 |
| 4.3.2 求解机器人运动的变换矩阵 | 第69-70页 |
| 4.3.3 三角测量获取目标物的三维信息 | 第70页 |
| 4.3.4 结合目标物先验知识对物体定位 | 第70-71页 |
| 4.3.5 目标物视觉定位算法总结 | 第71-72页 |
| 4.4 实验结果 | 第72-79页 |
| 4.4.1 水下目标物定位实验 | 第72-79页 |
| 4.4.2 实验结果分析 | 第79页 |
| 4.5 本章小结 | 第79-81页 |
| 第五章 总结与展望 | 第81-83页 |
| 5.1 总结 | 第81页 |
| 5.2 展望 | 第81-83页 |
| 致谢 | 第83-85页 |
| 参考文献 | 第85-90页 |
| 作者简介 | 第90页 |
