| 摘要 | 第6-7页 |
| ABSTRACT | 第7-8页 |
| 第一章 绪论 | 第9-17页 |
| 1.1 选题的背景及意义 | 第9-10页 |
| 1.2 基于视觉的农业机器人国内外研究动态 | 第10-11页 |
| 1.2.1 国外研究动态 | 第10-11页 |
| 1.2.2 国内研究动态 | 第11页 |
| 1.3 概率图模型在场景图像识别中的研究现状 | 第11-13页 |
| 1.4 本文的主要研究内容 | 第13-14页 |
| 1.5 论文简介 | 第14-17页 |
| 第二章 概率图模型理论 | 第17-27页 |
| 2.1 概率图模型 | 第17页 |
| 2.2 无向概率图模型 | 第17-26页 |
| 2.2.1 马尔可夫随机场 | 第18-20页 |
| 2.2.2 条件随机场 | 第20-26页 |
| 2.2.2.1 条件随机场的定义 | 第20-21页 |
| 2.2.2.2 条件随机场模型的参数估计 | 第21-24页 |
| 2.2.2.3 条件随机场模型推理 | 第24-26页 |
| 2.3 本章小结 | 第26-27页 |
| 第三章 基于超像素分割及条件随机场的场景地形识别 | 第27-43页 |
| 3.1 基于超像素的场景分割及地形样本的获取 | 第27-34页 |
| 3.1.1 Graph-based超像素分割的实现原理与过程 | 第27-30页 |
| 3.1.2 超像素地形类别样本的提取 | 第30-34页 |
| 3.2 基于条件随机场的场景模型构建 | 第34-37页 |
| 3.2.1 条件随机场一元势函数 | 第35-36页 |
| 3.2.2 条件随机场二元势函数 | 第36-37页 |
| 3.3 模型参数估计与场景区域地形识别 | 第37-41页 |
| 3.3.1 模型参数估计 | 第37-39页 |
| 3.3.2 场景区域地形识别 | 第39-41页 |
| 3.4 本章小结 | 第41-43页 |
| 第四章 农业机器人平台及导航场景区域地形识别实验 | 第43-75页 |
| 4.1 农业机器人平台介绍 | 第43-45页 |
| 4.2 验证实验及实验结果分析 | 第45-74页 |
| 4.2.1 实验设计 | 第45-46页 |
| 4.2.2 软件设计 | 第46-48页 |
| 4.2.3 实验结果及其分析 | 第48-74页 |
| 4.2.3.1 农业机器人静止时室内验证实验 | 第51-54页 |
| 4.2.3.2 农业机器人运动时室内验证实验 | 第54-59页 |
| 4.2.3.3 农业机器人静止时室外验证实验 | 第59-63页 |
| 4.2.3.4 农业机器人运动时室外验证实验 | 第63-74页 |
| 4.3 本章小结 | 第74-75页 |
| 第五章 结论与研究建议 | 第75-77页 |
| 5.1 研究结论 | 第75页 |
| 5.2 主要创新点 | 第75页 |
| 5.3 研究的建议 | 第75-77页 |
| 参考文献 | 第77-83页 |
| 致谢 | 第83-85页 |
| 攻读硕士学位期间发表的论文 | 第85页 |