| 摘要 | 第2-3页 |
| Abstract | 第3页 |
| 第一章 引言 | 第6-11页 |
| 1.1 课题的提出及意义 | 第6-7页 |
| 1.2 基于Python的混合语言编程国内外研究现状 | 第7-8页 |
| 1.3 道路检测的研究现状 | 第8-10页 |
| 1.3.1 基于特征的道路检测 | 第9页 |
| 1.3.2 基于模型的道路检测 | 第9-10页 |
| 1.4 本文的主要研究内容 | 第10-11页 |
| 第二章 移动机器人结构及运动控制研究 | 第11-18页 |
| 2.1 移动机器人结构及控制系统组成 | 第11-13页 |
| 2.2 基于EPOS的移动机器人运动控制研究 | 第13-17页 |
| 2.2.1 基于EPOS的移动机器人运动控制系统组成及原理 | 第13-15页 |
| 2.2.2 EPOS运动控制器的应用开发 | 第15-17页 |
| 2.3 本章小结 | 第17-18页 |
| 第三章 基于Python和C/C++混合编程的移动机器人软件系统设计 | 第18-30页 |
| 3.1 移动机器人软件平台及程序开发环境的选择 | 第18-19页 |
| 3.2 Windows环境下的多线程机制 | 第19-21页 |
| 3.2.1 进程与线程 | 第19页 |
| 3.2.2 多线程的实现原理 | 第19页 |
| 3.2.3 线程的优先级 | 第19-20页 |
| 3.2.4 线程的同步 | 第20页 |
| 3.2.5 Python多线程技术的开发 | 第20-21页 |
| 3.3 移动机器人软件系统的设计 | 第21-26页 |
| 3.3.1 软件开发框架 | 第21-22页 |
| 3.3.2 软件接口设计 | 第22-25页 |
| 3.3.3 编译运行模块 | 第25-26页 |
| 3.4 人机界面的设计 | 第26-29页 |
| 3.4.1 GUI开发工具简介 | 第26-27页 |
| 3.4.2 人机界面设计 | 第27-29页 |
| 3.5 本章小结 | 第29-30页 |
| 第四章 移动机器人软件控制系统实验验证 | 第30-41页 |
| 4.1 引言 | 第30页 |
| 4.2 移动机器人轨迹跟踪控制简介 | 第30-31页 |
| 4.3 移动机器人的运动学模型 | 第31-32页 |
| 4.4 移动机器人轨迹跟踪控制其设计 | 第32-35页 |
| 4.4.1 基于Lyapunov算法的移动机器人轨迹跟踪控制器设计 | 第32-33页 |
| 4.4.2 基于Backstepping算法的移动机器人轨迹跟踪控制器设计 | 第33-35页 |
| 4.5 移动机器人轨迹跟踪控制实验研究 | 第35-40页 |
| 4.5.1 控制参数的确定 | 第36-37页 |
| 4.5.1.1 基于Lyapunov算法的移动机器人轨迹跟踪控制参数确定 | 第36-37页 |
| 4.5.1.2 基于Backstepping算法的移动机器人轨迹跟踪控制参数确定 | 第37页 |
| 4.5.2 实验结果及分析 | 第37-40页 |
| 4.6 本章小结 | 第40-41页 |
| 第五章 基于变分水平集方法的道路检测研究 | 第41-54页 |
| 5.1 引言 | 第41页 |
| 5.2 曲线演化理论及水平集方法 | 第41-45页 |
| 5.2.1 曲线演化理论 | 第41-43页 |
| 5.2.2 水平集方法 | 第43-45页 |
| 5.3 变分水平集方法的Chan-Vese模型 | 第45-48页 |
| 5.3.1 Mumford-Shah模型 | 第45-46页 |
| 5.3.2 简化的Mumford-Shah模型 | 第46-47页 |
| 5.3.3 基于Chan-Vese模型的两相图像分割模型 | 第47-48页 |
| 5.4 基于Chan-Vese模型的Split-Bregman算法 | 第48-50页 |
| 5.4.1 Bregman迭代算法 | 第48-49页 |
| 5.4.2 基于Chan-Vese模型的Split-Bregman算法 | 第49-50页 |
| 5.5 道路检测实验 | 第50-52页 |
| 5.6 本章小结 | 第52-54页 |
| 全文总结 | 第54-56页 |
| 参考文献 | 第56-60页 |
| 攻读学位期间的研究成果 | 第60-62页 |
| 致谢 | 第62-64页 |
