面向电力巡检机器人的仪表示数识别
| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| Abstract | 第7页 |
| 第一章 绪论 | 第10-22页 |
| 1.1 研究背景 | 第10-13页 |
| 1.2 研究现状与趋势 | 第13-19页 |
| 1.2.1 仪表检测 | 第13-15页 |
| 1.2.2 指针仪表示数识别 | 第15-18页 |
| 1.2.3 数字仪表示数识别 | 第18-19页 |
| 1.3 本文研究内容 | 第19-21页 |
| 1.4 本文结构安排 | 第21-22页 |
| 第二章 基于双级联参数回归的仪表配准算法 | 第22-44页 |
| 2.1 概述 | 第22-23页 |
| 2.2 仪表参数化表达 | 第23-27页 |
| 2.2.1 透射变化 | 第23-24页 |
| 2.2.2 仿射变化 | 第24-27页 |
| 2.3 双级联参数回归算法 | 第27-37页 |
| 2.3.1 特征描述 | 第28-29页 |
| 2.3.2 训练模型 | 第29-31页 |
| 2.3.3 随机蕨回归器 | 第31-36页 |
| 2.3.4 运行模型 | 第36-37页 |
| 2.4 实验结果与分析 | 第37-42页 |
| 2.4.1 级联层数的选择 | 第37-38页 |
| 2.4.2 仪表图像配准效果 | 第38-42页 |
| 2.5 本章总结 | 第42-44页 |
| 第三章 一种由粗到精的仪表检测算法 | 第44-64页 |
| 3.1 概述 | 第44-46页 |
| 3.2 粗检测器 | 第46-57页 |
| 3.2.1 Haar特征 | 第46-48页 |
| 3.2.2 LBP特征 | 第48页 |
| 3.2.3 Adaboost分类器 | 第48-52页 |
| 3.2.4 级联检测器 | 第52-54页 |
| 3.2.5 实验结果与分析 | 第54-57页 |
| 3.3 后验验证器 | 第57-60页 |
| 3.3.1 HOG特征 | 第57-58页 |
| 3.3.2 SVM分类器 | 第58页 |
| 3.3.3 实验结果与分析 | 第58-60页 |
| 3.4 由粗到精的仪表检测器 | 第60-62页 |
| 3.4.1 检测器结构 | 第60-61页 |
| 3.4.2 实验结果与分析 | 第61-62页 |
| 3.5 本章小结 | 第62-64页 |
| 第四章 仪表示数识别算法 | 第64-74页 |
| 4.1 概述 | 第64-65页 |
| 4.2 基于几何约束的数字示数识别 | 第65-67页 |
| 4.3 基于HOG特征的指针示数识别 | 第67-69页 |
| 4.4 实验结果与分析 | 第69-70页 |
| 4.4.1 仪表数字示数识别 | 第69-70页 |
| 4.4.2 仪表指针示数识别 | 第70页 |
| 4.5 本章总结 | 第70-74页 |
| 第五章 总结和展望 | 第74-76页 |
| 5.1 总结 | 第74页 |
| 5.2 展望 | 第74-76页 |
| 参考文献 | 第76-82页 |
| 作者简历 | 第82-84页 |
| 在校期间取得的科研成果 | 第84页 |
