移动机器人前景障碍物检测及避障系统设计与实现
| 摘要 | 第4-5页 |
| abstract | 第5页 |
| 第一章 绪论 | 第9-16页 |
| 1.1 课题研究背景与意义 | 第9页 |
| 1.2 国内外研究现状 | 第9-14页 |
| 1.2.1 移动机器人研究现状 | 第10-12页 |
| 1.2.2 障碍物检测研究现状 | 第12页 |
| 1.2.3 避障算法研究现状 | 第12-14页 |
| 1.3 本论文的主要工作及结构安排 | 第14-16页 |
| 1.3.1 本论文的主要工作 | 第14页 |
| 1.3.2 本论文的结构安排 | 第14-16页 |
| 第二章 系统总体设计 | 第16-24页 |
| 2.1 系统需求分析 | 第16-17页 |
| 2.1.1 需求分析 | 第16页 |
| 2.1.2 目标功能 | 第16-17页 |
| 2.2 系统软硬件开发工具 | 第17-20页 |
| 2.2.1 硬件设备 | 第17-18页 |
| 2.2.2 软件平台 | 第18-20页 |
| 2.3 系统设计方案 | 第20-23页 |
| 2.3.1 系统整体框架 | 第20-21页 |
| 2.3.2 深度图像修复模块 | 第21-22页 |
| 2.3.3 前景障碍物检测模块 | 第22-23页 |
| 2.3.4 避障模块 | 第23页 |
| 2.4 本章小结 | 第23-24页 |
| 第三章 深度图像修复 | 第24-35页 |
| 3.1 Kinect深度成像原理 | 第24-26页 |
| 3.2 深度图像噪声和空洞分析 | 第26-28页 |
| 3.2.1 设备原因 | 第26-27页 |
| 3.2.2 环境影响 | 第27-28页 |
| 3.2.3 物体表面特性 | 第28页 |
| 3.3 深度图像修复 | 第28-33页 |
| 3.3.1 张量投票算法 | 第29-31页 |
| 3.3.2 基于张量投票的深度图像修复方法 | 第31-33页 |
| 3.4 模块实现 | 第33-34页 |
| 3.5 本章小结 | 第34-35页 |
| 第四章 前景障碍物检测 | 第35-44页 |
| 4.1 背景减除法 | 第35-37页 |
| 4.1.1 算法介绍 | 第35-36页 |
| 4.1.2 背景建模 | 第36-37页 |
| 4.2 获取障碍物区域 | 第37-41页 |
| 4.2.1 形态学预处理 | 第37-39页 |
| 4.2.2 轮廓提取 | 第39页 |
| 4.2.3 面积过滤 | 第39-40页 |
| 4.2.4 凸包处理 | 第40-41页 |
| 4.3 障碍物建模 | 第41-42页 |
| 4.4 本章小结 | 第42-44页 |
| 第五章 机器人避障 | 第44-58页 |
| 5.1 Kinect相机标定 | 第44-45页 |
| 5.2 传统人工势场法 | 第45-47页 |
| 5.3 传统人工势场法的缺陷 | 第47-49页 |
| 5.3.1 引力过大造成碰撞 | 第47-48页 |
| 5.3.2 目标不可达 | 第48-49页 |
| 5.3.3 局部最小点 | 第49页 |
| 5.4 改进人工势场法 | 第49-57页 |
| 5.4.1 引力过大造成碰撞的解决方法 | 第50页 |
| 5.4.2 目标不可达的解决方法 | 第50-51页 |
| 5.4.3 局部最小点的解决方法 | 第51-57页 |
| 5.5 本章小结 | 第57-58页 |
| 第六章 系统测试 | 第58-68页 |
| 6.1 实验平台 | 第58页 |
| 6.2 系统测试 | 第58-66页 |
| 6.2.1 深度图像修复模块测试 | 第58-60页 |
| 6.2.2 前景障碍物检测模块测试 | 第60-62页 |
| 6.2.3 避障模块测试 | 第62-64页 |
| 6.2.4 系统整体测试 | 第64-66页 |
| 6.3 本章小结 | 第66-68页 |
| 第七章 总结与展望 | 第68-70页 |
| 7.1 全文总结 | 第68-69页 |
| 7.2 展望 | 第69-70页 |
| 参考文献 | 第70-74页 |
| 附录 攻读硕士学位期间申请的专利 | 第74-75页 |
| 致谢 | 第75页 |
