融合Kinect深度和颜色信息的机器人视觉系统研究
| 摘要 | 第1-10页 |
| Abstract | 第10-12页 |
| 第一章 绪论 | 第12-18页 |
| ·机器人视觉 | 第12-15页 |
| ·机器人视觉的研究内容 | 第12-13页 |
| ·机器人视觉的应用 | 第13-14页 |
| ·研究发展概况 | 第14-15页 |
| ·本文研究内容 | 第15-16页 |
| ·研究方法和路线 | 第16-18页 |
| 第二章 Kinect体感设备及立体视觉 | 第18-29页 |
| ·Kinect简介 | 第18-21页 |
| ·自然人机交互 | 第18-19页 |
| ·Kinect硬件结构 | 第19-20页 |
| ·Kinect相关技术规格 | 第20-21页 |
| ·Kinect的工作原理 | 第21-24页 |
| ·Light Coding技术 | 第22-23页 |
| ·激光散斑原理 | 第23页 |
| ·光源标定 | 第23-24页 |
| ·立体视觉 | 第24-28页 |
| ·立体视觉基础 | 第24-26页 |
| ·立体视觉在实际中的应用 | 第26-27页 |
| ·Kinect立体视觉 | 第27-28页 |
| ·本章小结 | 第28-29页 |
| 第三章 图像特征提取和识别 | 第29-45页 |
| ·数字图像预处理 | 第29-36页 |
| ·数字图像 | 第29页 |
| ·彩色图像模型 | 第29-30页 |
| ·图像平滑 | 第30-33页 |
| ·图像分割 | 第33-36页 |
| ·特征提取 | 第36-43页 |
| ·基于颜色的特征 | 第36-38页 |
| ·基于纹理的特征 | 第38-39页 |
| ·基于形状的特征 | 第39-40页 |
| ·几种较为优秀的特征 | 第40-43页 |
| ·特征匹配 | 第43-44页 |
| ·Mahalanobis距离 | 第43-44页 |
| ·Minkowski距离 | 第44页 |
| ·本章小结 | 第44-45页 |
| 第四章 基于三维信息的目标识别系统 | 第45-58页 |
| ·目标区域分割 | 第45-48页 |
| ·建立样本库的图像分割 | 第45-46页 |
| ·物体检测中的图像分割 | 第46-47页 |
| ·手势检测中的图像分割 | 第47-48页 |
| ·HOG特征提取 | 第48-52页 |
| ·HOG算法流程 | 第48-51页 |
| ·RGB图像特征提取 | 第51-52页 |
| ·深度图像特征提取 | 第52页 |
| ·K最近邻(k-NN)分类 | 第52-53页 |
| ·实验结果及分析 | 第53-57页 |
| ·RGB-D数据库 | 第53-54页 |
| ·K-NN中k值的选取 | 第54-55页 |
| ·RGB-D物体识别 | 第55-56页 |
| ·RGB-D手势识别 | 第56-57页 |
| ·本章小结 | 第57-58页 |
| 第五章 识别系统的设计与实现 | 第58-68页 |
| ·识别系统的开发环境 | 第58页 |
| ·RGB-D物体识别系统 | 第58-64页 |
| ·软件功能 | 第58-59页 |
| ·系统总体结构 | 第59-60页 |
| ·系统实现 | 第60-64页 |
| ·RGB-D手势识别系统 | 第64-67页 |
| ·系统总体结构 | 第64页 |
| ·系统实现 | 第64-67页 |
| ·本章小结 | 第67-68页 |
| 第六章 总结与展望 | 第68-70页 |
| ·本文工作总结 | 第68页 |
| ·展望 | 第68-70页 |
| 参考文献 | 第70-73页 |
| 致谢 | 第73-74页 |
| 攻读学位论文期间发表的文章 | 第74页 |
