用于机器人定位导航的树木检测算法研究
| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 1 绪论 | 第7-13页 |
| ·课题的研究背景意义 | 第7-8页 |
| ·课题的研究现状 | 第8-10页 |
| ·需要解决的问题 | 第9-10页 |
| ·课题的研究趋势 | 第10页 |
| ·本文的主要工作 | 第10-11页 |
| ·论文组织结构 | 第11-13页 |
| 2 计算机视觉 | 第13-29页 |
| ·图像分割 | 第13-17页 |
| ·区域分割 | 第13-14页 |
| ·区域表示 | 第14-15页 |
| ·轮廓分割 | 第15-17页 |
| ·颜色和明暗分析 | 第17-18页 |
| ·颜色直方图 | 第17页 |
| ·颜色集 | 第17页 |
| ·颜色矩 | 第17-18页 |
| ·纹理特征分析 | 第18-19页 |
| ·形状特征分析 | 第19-20页 |
| ·分类 | 第20-27页 |
| ·特征与分类 | 第20页 |
| ·样本特征归一化 | 第20-21页 |
| ·分类器 | 第21-27页 |
| ·误报和漏报 | 第27页 |
| ·本章小结 | 第27-29页 |
| 3 环境的分类 | 第29-39页 |
| ·传感器的选择 | 第29-30页 |
| ·环境分类简述 | 第30页 |
| ·环境分类方法的改进 | 第30-37页 |
| ·可操纵金字塔滤波 | 第31-33页 |
| ·几何分类器的设计 | 第33-37页 |
| ·本章总结 | 第37-39页 |
| 4 基于外观的树木检测算法 | 第39-57页 |
| ·颜色纹理融合的检测算法 | 第39-52页 |
| ·算法的基本原理 | 第39-41页 |
| ·算法的具体实现 | 第41-47页 |
| ·分类器训练 | 第47-49页 |
| ·象素/块分类 | 第49-50页 |
| ·后期处理 | 第50-51页 |
| ·算法实验结果 | 第51-52页 |
| ·亮度纹理融合的检测算法 | 第52-53页 |
| ·统计学区域合并算法 | 第53-54页 |
| ·实验结果分析 | 第54-55页 |
| ·本章小结 | 第55-57页 |
| 5 基于结构的树木检测算法 | 第57-67页 |
| ·树木轮廓线检测 | 第57-58页 |
| ·线跟踪 | 第58-59页 |
| ·轮廓线的初步筛选 | 第59-60页 |
| ·基于连续性和对称性的筛选 | 第60-61页 |
| ·基于地平线的筛选 | 第61-62页 |
| ·分类 | 第62-63页 |
| ·结果和讨论 | 第63-64页 |
| ·本章小结 | 第64-67页 |
| 6 总结与展望 | 第67-69页 |
| ·工作总结 | 第67页 |
| ·工作展望 | 第67-69页 |
| 致谢 | 第69-70页 |
| 参考文献 | 第70-72页 |
