| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 1 绪论 | 第7-12页 |
| ·研究背景 | 第7页 |
| ·移动机器人国内外研究现状 | 第7-9页 |
| ·移动机器人视觉导航技术 | 第9-10页 |
| ·非结构化道路识别问题 | 第10页 |
| ·本文主要研究内容 | 第10-12页 |
| 2 非结构化道路图像颜色特征提取 | 第12-18页 |
| ·颜色空间变换 | 第12-16页 |
| ·RGB空间模型 | 第12-13页 |
| ·HSV空间模型 | 第13-14页 |
| ·RGB空间到HSV空间的变换 | 第14-16页 |
| ·非结构化道路图像颜色特征提取 | 第16-17页 |
| ·非结构化道路环境颜色信息分析 | 第16页 |
| ·在HSV空间中分析计算非结构化道路图像的颜色特征 | 第16-17页 |
| ·本章小结 | 第17-18页 |
| 3 非结构化道路图像纹理特征提取 | 第18-33页 |
| ·纹理分析方法 | 第18-24页 |
| ·灰度共生矩阵 | 第19-22页 |
| ·Gabor滤波器 | 第22-24页 |
| ·非结构化道路纹理特征提取 | 第24-32页 |
| ·非结构化道路环境纹理信息分析 | 第24-25页 |
| ·利用灰度共生矩阵进行非结构化道路图像纹理特征值计算 | 第25-30页 |
| ·基于Gabor滤波器的纹理特征值计算 | 第30-32页 |
| ·本章小结 | 第32-33页 |
| 4 基于支持向量机的非结构化道路区域提取 | 第33-46页 |
| ·支持向量机理论 | 第33-38页 |
| ·最优分类面 | 第33-35页 |
| ·广义最优分类面 | 第35-36页 |
| ·高维空间的最优分类面 | 第36-38页 |
| ·基于支持向量机的非结构化道路区域提取 | 第38-45页 |
| ·用于非结构化道路区域提取的特征向量 | 第38页 |
| ·基于支持向量机的非结构化道路区域提取与分析 | 第38-42页 |
| ·实验分析 | 第42-45页 |
| ·本章小结 | 第45-46页 |
| 5 基于改进k-近邻方法的非结构化道路路面分类 | 第46-52页 |
| ·k-近邻和改进的k-近邻方法 | 第46-47页 |
| ·k-近邻法 | 第46-47页 |
| ·改进的k-近邻法 | 第47页 |
| ·非结构化道路路面特征向量生成 | 第47-48页 |
| ·基于改进k-近邻算法的非结构化道路路面分类与分析 | 第48-51页 |
| ·非结构化道路路面分类决策规则描述 | 第48页 |
| ·基于改进的k-近邻法的非结构化道路路面分类 | 第48-49页 |
| ·实验分析 | 第49-51页 |
| ·本章小结 | 第51-52页 |
| 6 总结与展望 | 第52-53页 |
| 致谢 | 第53-54页 |
| 参考文献 | 第54-57页 |
