| 摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 1. 绪论 | 第8-12页 |
| ·立体视觉的基本概念和研究现状 | 第8页 |
| ·机器人立体视觉的主要内容 | 第8-10页 |
| ·图像采集 | 第8-9页 |
| ·摄像机标定 | 第9页 |
| ·特征提取 | 第9页 |
| ·立体匹配 | 第9页 |
| ·三维重建 | 第9页 |
| ·机器人视觉伺服 | 第9-10页 |
| ·存在问题和发展方向 | 第10页 |
| ·论文主要研究工作 | 第10-12页 |
| 2. 机器人立体视觉的角点检测与匹配 | 第12-26页 |
| ·角点检测 | 第12-16页 |
| ·角点检测简述 | 第12页 |
| ·Harris角点检测算法 | 第12-13页 |
| ·亚像素级精度特征检测简述 | 第13-14页 |
| ·基于分形插值的二次Harris角点检测 | 第14-16页 |
| ·立体匹配 | 第16-18页 |
| ·立体匹配简述 | 第16-17页 |
| ·立体匹配约束条件 | 第17页 |
| ·视差梯度约束条件 | 第17-18页 |
| ·基于角特征与灰度相关并参考视差梯度约束的角点匹配方法 | 第18-21页 |
| ·基于灰度的角点匹配方法 | 第18-19页 |
| ·快速立体匹配方法 | 第19-20页 |
| ·快速立体匹配方法流程图及实验步骤 | 第20-21页 |
| ·实验结果 | 第21-25页 |
| ·亚像素角点检测实验 | 第21-22页 |
| ·快速立体匹配实验 | 第22-25页 |
| ·小结 | 第25-26页 |
| 3. 机器人立体视觉的摄像机标定 | 第26-40页 |
| ·引言 | 第26页 |
| ·坐标系与成像模型 | 第26-29页 |
| ·坐标系 | 第26-28页 |
| ·线性摄像机模型(针孔模型) | 第28-29页 |
| ·传统摄像机标定 | 第29-30页 |
| ·摄像机自标定 | 第30-32页 |
| ·引言 | 第30页 |
| ·极几何 | 第30-31页 |
| ·基本矩阵 | 第31-32页 |
| ·基本矩阵求解方法 | 第32-34页 |
| ·八点算法 | 第32-33页 |
| ·归一化八点算法 | 第33页 |
| ·加权归一化线性算法 | 第33-34页 |
| ·实验结果 | 第34-39页 |
| ·传统摄像机标定实验 | 第34-36页 |
| ·基本矩阵求解精度比较 | 第36-37页 |
| ·基本矩阵抗噪声能力比较 | 第37-38页 |
| ·基本矩阵求解结果 | 第38-39页 |
| ·小结 | 第39-40页 |
| 4. 运动目标检测与跟踪 | 第40-58页 |
| ·引言 | 第40页 |
| ·静态背景的目标检测 | 第40-42页 |
| ·PIC算法 | 第40-41页 |
| ·改进PIC的背景重构算法 | 第41-42页 |
| ·动态背景的目标检测 | 第42-50页 |
| ·基于遗传算法的目标识别 | 第42-44页 |
| ·基于七个不变矩的目标识别 | 第44-50页 |
| ·Kalman滤波在运动目标检测与跟踪中的应用 | 第50-51页 |
| ·Kalman滤波器原理 | 第50页 |
| ·Kalman滤波在目标跟踪中的应用 | 第50-51页 |
| ·实验结果 | 第51-57页 |
| ·改进PIC算法 | 第51-53页 |
| ·运动目标检测结果 | 第53-54页 |
| ·基于七个不变矩的目标识别结果 | 第54-55页 |
| ·Kalman滤波提高跟踪速度 | 第55-57页 |
| ·小结 | 第57-58页 |
| 5. 机器人立体视觉的三维重建 | 第58-64页 |
| ·三维重建理论 | 第58-59页 |
| ·三维重建基本原理 | 第58页 |
| ·空间点重建 | 第58-59页 |
| ·机器人实验平台介绍 | 第59-60页 |
| ·机器人立体视觉流程图 | 第60-61页 |
| ·实验结果 | 第61-63页 |
| ·三维重建 | 第61-63页 |
| ·机器人实验 | 第63页 |
| ·小结 | 第63-64页 |
| 6. 总结与展望 | 第64-65页 |
| ·总结 | 第64页 |
| ·展望 | 第64-65页 |
| 致谢 | 第65-66页 |
| 参考文献 | 第66-68页 |