| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 移动机器人发展概述 | 第10-11页 |
| 1.2 机器人导航系统概述 | 第11-13页 |
| 1.2.1 国内外机器人导航系统发展现状 | 第12-13页 |
| 1.3 智慧社区建设的现状与未来 | 第13-14页 |
| 1.4 论文的主要内容与组织结构 | 第14-16页 |
| 1.4.1 本文主要内容及创新工作 | 第14-15页 |
| 1.4.2 章节安排 | 第15-16页 |
| 第二章 社区服务机器人系统整体设计 | 第16-29页 |
| 2.1 需求分析 | 第16页 |
| 2.2 相关问题及技术要点 | 第16-19页 |
| 2.2.1 定位技术 | 第16-17页 |
| 2.2.2 计算机视觉 | 第17页 |
| 2.2.3 路径规划方法 | 第17-18页 |
| 2.2.4 机器人操作系统 | 第18页 |
| 2.2.5 组件通信 | 第18-19页 |
| 2.3 社区服务机器人介绍 | 第19-21页 |
| 2.4 导航系统模块化设计 | 第21-26页 |
| 2.4.1 外设接入模块 | 第21-22页 |
| 2.4.2 道路识别模块 | 第22-24页 |
| 2.4.3 路径规划模块 | 第24-25页 |
| 2.4.4 TK1与Android通信模块 | 第25-26页 |
| 2.5 社区服务机器人导航系统整体流程 | 第26-27页 |
| 2.6 开发环境搭建说明 | 第27-28页 |
| 2.6.1 TK1开发者套件介绍 | 第27-28页 |
| 2.7 本章小结 | 第28-29页 |
| 第三章 一种基于信息融合的道路识别算法与实现 | 第29-46页 |
| 3.1 基于视觉的非结构化道路识别方法概述 | 第29-30页 |
| 3.2 道路识别的图像预处理流程 | 第30-32页 |
| 3.3 一种融合区域识别与边界提取的道路识别算法 | 第32-42页 |
| 3.3.1 算法基本思想 | 第32页 |
| 3.3.2 基于SVM的道路区域识别算法 | 第32-37页 |
| 3.3.3 基于自适应的Canny边缘检测算法 | 第37-41页 |
| 3.3.4 基于信息融合的道路区域提取方法 | 第41-42页 |
| 3.4 道路识别模块程序设计与实现 | 第42-45页 |
| 3.5 本章总结 | 第45-46页 |
| 第四章 一种改进的基于模板匹配的局部避障算法与实现 | 第46-59页 |
| 4.1 基于激光雷达的障碍物检测方法 | 第46-48页 |
| 4.2 一种基于几何关系的单目视觉测距方法 | 第48-50页 |
| 4.3 一种改进的基于模板匹配的局部避障算法 | 第50-55页 |
| 4.4 路径规划模块程序设计与实现 | 第55-58页 |
| 4.5 本章总结 | 第58-59页 |
| 第五章 测试 | 第59-68页 |
| 5.1 导航系统测试平台 | 第59-60页 |
| 5.2 基于信息融合的道路识别算法测试 | 第60-63页 |
| 5.3 基于几何关系的单目视觉测距方法测试 | 第63-64页 |
| 5.4 改进的基于模板匹配的局部避障算法测试 | 第64-66页 |
| 5.5 本章总结 | 第66-68页 |
| 第六章 总结与展望 | 第68-70页 |
| 6.1 总结 | 第68页 |
| 6.2 研究展望 | 第68-70页 |
| 致谢 | 第70-71页 |
| 参考文献 | 第71-75页 |
| 攻硕期间取得的研究成果 | 第75页 |