| 中文摘要 | 第3-4页 |
| Abstract | 第4页 |
| 第1章 绪论 | 第8-14页 |
| 1.1 基于视觉的目标跟踪问题的研究目的和意义 | 第8-9页 |
| 1.2 国内外研究现状及发展趋势 | 第9-11页 |
| 1.3 论文的研究内容与框架 | 第11-14页 |
| 第2章 基于视觉的目标跟踪系统的总体设计 | 第14-18页 |
| 2.1 系统硬件设计 | 第14-15页 |
| 2.2 系统软件设计 | 第15-17页 |
| 2.3 本章小结 | 第17-18页 |
| 第3章 基于MATLAB的摄像机标定 | 第18-34页 |
| 3.1 摄像机基本操作 | 第18-20页 |
| 3.1.1 查询摄像机硬件信息 | 第18-19页 |
| 3.1.2 调用摄像机 | 第19页 |
| 3.1.3 图像采集、显示和保存 | 第19-20页 |
| 3.2 坐标转换原理 | 第20-26页 |
| 3.2.1 摄像机几何模型 | 第20-21页 |
| 3.2.2 相关坐标系定义 | 第21-23页 |
| 3.2.3 坐标转换关系 | 第23-26页 |
| 3.3 基于MATLAB标定工具箱的摄像机内外参数标定 | 第26-33页 |
| 3.3.1 摄像机内部参数标定 | 第27-31页 |
| 3.3.2 摄像机外部参数标定 | 第31-33页 |
| 3.4 本章小结 | 第33-34页 |
| 第4章 图像预处理与图像信息提取 | 第34-41页 |
| 4.1 图像类型转换 | 第34-35页 |
| 4.2 图像滤波 | 第35-36页 |
| 4.3 图像边缘检测 | 第36-37页 |
| 4.4 图像目标位置的测算 | 第37-40页 |
| 4.4.1 目标像素位置的测算 | 第37-39页 |
| 4.4.2 目标实际位置的测算 | 第39-40页 |
| 4.5 本章小结 | 第40-41页 |
| 第5章 多传感器信息融合滤波算法 | 第41-51页 |
| 5.1 线性系统加权观测融合卡尔曼滤波算法 | 第42-46页 |
| 5.1.1 多传感器加权观测融合算法 | 第42-44页 |
| 5.1.2 加权观测融合卡尔曼滤波器 | 第44-46页 |
| 5.2 非线性系统加权观测融合容积卡尔曼滤波算法 | 第46-50页 |
| 5.2.1 容积卡尔曼滤波算法 | 第46-50页 |
| 5.2.2 加权观测融合容积卡尔曼滤波算法 | 第50页 |
| 5.3 本章小结 | 第50-51页 |
| 第6章 基于视觉的目标跟踪系统的实现 | 第51-69页 |
| 6.1 基于视觉的目标跟踪系统的结构 | 第51页 |
| 6.2 加权观测融合滤波算法在平面跟踪系统中的实现过程 | 第51-67页 |
| 6.2.1 目标图像及位置信息的获取 | 第52-54页 |
| 6.2.2 观测误差R的测量计算 | 第54-56页 |
| 6.2.3 目标观测向量的获取 | 第56-59页 |
| 6.2.4 加权观测融合滤波定位算法 | 第59-67页 |
| 6.3 实验结果分析 | 第67-68页 |
| 6.4 本章小结 | 第68-69页 |
| 结论 | 第69-70页 |
| 参考文献 | 第70-76页 |
| 致谢 | 第76页 |