摘要 | 第5-7页 |
Abstract | 第7-8页 |
1 绪论 | 第12-24页 |
1.1 研究背景 | 第12-15页 |
1.1.1 机器人足球的基本概念 | 第12-13页 |
1.1.2 研究机器人足球的意义 | 第13-14页 |
1.1.3 国内外研究及发展现状 | 第14-15页 |
1.2 中型组足球机器人系统及其关键技术 | 第15-19页 |
1.2.1 中型组足球机器人系统 | 第15-17页 |
1.2.2 足球机器人系统涉及的关键技术 | 第17-19页 |
1.3 研究课题的理论及实际意义 | 第19-20页 |
1.4 本论文主要内容,创新点和结构安排 | 第20-24页 |
1.4.1 论文主要研究内容 | 第20-21页 |
1.4.2 论文创新点 | 第21-22页 |
1.4.3 本论文结构 | 第22-24页 |
2 光照变化条件下足球机器人目标识别与定位的关键算法研究 | 第24-40页 |
2.1 光照作用 | 第24-28页 |
2.1.1 光源的种类及光照模型 | 第25-26页 |
2.1.2 颜色视觉理论 | 第26-27页 |
2.1.3 彩色摄像机成像原理 | 第27-28页 |
2.2 机器人彩色图像分割中的光照处理算法 | 第28-33页 |
2.2.1 颜色空间 | 第28-30页 |
2.2.2 彩色图像分割方法 | 第30-31页 |
2.2.3 机器人彩色图像分割中的光照处理算法 | 第31-33页 |
2.3 机器人目标识别算法 | 第33-38页 |
2.3.1 图像的特征 | 第33-34页 |
2.3.2 特征选择和提取 | 第34-35页 |
2.3.3 目标识别方法 | 第35页 |
2.3.4 足球机器人目标识别算法 | 第35-38页 |
2.4 机器人目标定位算法 | 第38-39页 |
2.5 本章小结 | 第39-40页 |
3 基于在线光照适应的光照处理方法 | 第40-58页 |
3.1 光照对机器人目标识别的影响 | 第40-42页 |
3.1.1 中型组场地的光照变化分析 | 第40-41页 |
3.1.2 光照变化对机器人目标识别的影响 | 第41-42页 |
3.2 光照条件估计 | 第42-48页 |
3.2.1 图像处理中常用的光照处理的方法 | 第42-43页 |
3.2.2 基于参考物体平均亮度分布的光照估计 | 第43-45页 |
3.2.3 基于Bresehanm 划线算法绿色像素的提取 | 第45-47页 |
3.2.4 基于绿色像素平均亮度分布的光照模型的建立方法 | 第47-48页 |
3.3 基于KL散度的光照变化的测度方法 | 第48-50页 |
3.3.1 常用的基于概率密度函数的可分性判据 | 第48-50页 |
3.3.2 基于KL散度的光照变化测度 | 第50页 |
3.4 不同光照下的颜色标定 | 第50-52页 |
3.4.1 颜色空间的选择 | 第50-51页 |
3.4.2 颜色分类方法 | 第51-52页 |
3.4.3 基于YUV 颜色阈值的颜色信息库的建立 | 第52页 |
3.5 基于平均亮度分布和KL 散度的足球机器人在线光照适应方法 | 第52-54页 |
3.6 实验及结果分析 | 第54-57页 |
3.7 本章小结 | 第57-58页 |
4 基于 SVM 和 Gabor 滤波器的足球机器人近似颜色目标识别 | 第58-72页 |
4.1 引言 | 第58页 |
4.2 支持向量机原理 | 第58-62页 |
4.2.1 线性可分的最优分类面 | 第59-60页 |
4.2.2 线性不可分的最优分类面 | 第60页 |
4.2.3 支持向量机 | 第60-61页 |
4.2.4 多类问题的支持向量机 | 第61-62页 |
4.3 Gabor 滤波器 | 第62-64页 |
4.3.1 Gabor 滤波器的提出 | 第62页 |
4.3.2 Gabor 函数与测不准原理 | 第62-63页 |
4.3.3 2DGabor 滤波器 | 第63-64页 |
4.4 基于SVM 和Gabor 滤波器的机器人近似颜色目标识别方法 | 第64-67页 |
4.4.1 候选目标提取 | 第65页 |
4.4.2 Gaobr 特征提取 | 第65-67页 |
4.4.3 基于SVM 和Gabor 滤波器的机器人近似颜色目标识别方法 | 第67页 |
4.5 实验及结果分析 | 第67-71页 |
4.5.1 样本数据的采集 | 第68页 |
4.5.2 SVM 及Gabor 滤波器的参数确定 | 第68-69页 |
4.5.3 识别结果 | 第69-71页 |
4.6 本章小结 | 第71-72页 |
5 基于全景视觉的机器人目标定位方法 | 第72-89页 |
5.1 引言 | 第72页 |
5.2 中型组机器人全景视觉系统 | 第72-74页 |
5.2.1 中型组机器人MT-R 视觉系统结构 | 第72-73页 |
5.2.2 中型组机器人全景视觉系统 | 第73-74页 |
5.3 摄像机标定 | 第74-79页 |
5.3.1 系统标定中的坐标系与坐标变换 | 第75-77页 |
5.3.2 摄像机的几何模型 | 第77-79页 |
5.3.3 摄像机标定方法 | 第79页 |
5.4 目标在机器人坐标系和像素坐标系中的位置关系 | 第79-83页 |
5.4.1 目标在机器人坐标系和像素坐标系中的位置关系 | 第79-81页 |
5.4.2 图像极坐标变换 | 第81-83页 |
5.5 基于全景视觉的机器人目标定位方法 | 第83-86页 |
5.5.1 Lagrange(拉格朗日)插值理论 | 第83-85页 |
5.5.2 目标定位方法 | 第85-86页 |
5.6 实验及结果分析 | 第86-88页 |
5.7 本章小结 | 第88-89页 |
6 总结与展望 | 第89-91页 |
6.1 论文工作总结 | 第89-90页 |
6.2 进一步工作展望 | 第90-91页 |
参考文献 | 第91-101页 |
致谢 | 第101-103页 |
个人简历 | 第103-104页 |
在读期间取得的学术成果 | 第104页 |