基于视觉引导的AGV车载系统研究
| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第1章 绪论 | 第8-17页 |
| 1.1 研究背景及意义 | 第8-9页 |
| 1.2 AGV 技术的研究与发展 | 第9-15页 |
| 1.2.1 AGV 的引导方式 | 第9-13页 |
| 1.2.2 国内外 AGV 发展现状及趋势 | 第13-14页 |
| 1.2.3 视觉导航硬件发展现状 | 第14-15页 |
| 1.3 本文主要工作内容 | 第15-17页 |
| 第2章 AGV 车载系统整体方案设计与研究 | 第17-29页 |
| 2.1 AGV 车载系统的方案确定 | 第17-19页 |
| 2.1.1 AGV 车载系统的技术要求 | 第17-18页 |
| 2.1.2 AGV 可行车体结构 | 第18页 |
| 2.1.3 AGV 车载系统的车体方案确定 | 第18-19页 |
| 2.2 AGV 车载系统功能模块划分 | 第19-22页 |
| 2.2.1 车体结构设计 | 第20-21页 |
| 2.2.2 驱动及控制系统 | 第21-22页 |
| 2.3 智能 AGV 运动模型 | 第22-25页 |
| 2.3.1 AGV 驱动方式 | 第22-23页 |
| 2.3.2 运动模型建立 | 第23-25页 |
| 2.4 智能 AGV 视觉引导模块工作原理 | 第25-26页 |
| 2.5 智能 AGV 避障模块工作原理 | 第26-28页 |
| 2.6 本章小结 | 第28-29页 |
| 第3章 视觉引导模块设计 | 第29-57页 |
| 3.1 视觉引导模块硬件设计 | 第29-35页 |
| 3.1.1 图像采集单元 | 第31-33页 |
| 3.1.2 图像处理单元 | 第33-35页 |
| 3.2 图像处理分析软件环境 | 第35-36页 |
| 3.3 图像采集及预处理 | 第36-40页 |
| 3.3.1 预处理概念 | 第36-37页 |
| 3.3.2 滤波处理 | 第37-38页 |
| 3.3.3 形态学图像处理 | 第38-40页 |
| 3.4 图像处理、识别与分析 | 第40-56页 |
| 3.4.1 图像处理、分析与识别概念 | 第40-41页 |
| 3.4.2 引导线识别与跟踪 | 第41-43页 |
| 3.4.3 地面标识识别 | 第43-49页 |
| 3.4.4 障碍物识别 | 第49-56页 |
| 3.5 本章小结 | 第56-57页 |
| 第4章 智能避障模块设计 | 第57-63页 |
| 4.1 智能避障模块硬件设计 | 第57-59页 |
| 4.2 超声波模块测试 | 第59-61页 |
| 4.3 智能避障控制方法与策略 | 第61-62页 |
| 4.4 本章小结 | 第62-63页 |
| 第5章 实验与仿真 | 第63-69页 |
| 5.1 避障实验 | 第63-66页 |
| 5.1.1 避障实验设计及其原理 | 第63页 |
| 5.1.2 超声波模块测试 | 第63-66页 |
| 5.2 路径检测试验 | 第66-69页 |
| 5.2.1 路径检测实验设计及原理 | 第66-67页 |
| 5.2.2 路径检测试验 | 第67-69页 |
| 第6章 总结与展望 | 第69-71页 |
| 6.1 主要工作总结及结论 | 第69页 |
| 6.2 创新点 | 第69-70页 |
| 6.3 问题与展望 | 第70-71页 |
| 参考文献 | 第71-75页 |
| 攻读硕士期间发表论文和科研情况 | 第75-76页 |
| 致谢 | 第76-77页 |
