基于单目摄像头移动机器人导航研究
| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| Abstract | 第7页 |
| 1 绪论 | 第10-15页 |
| 1.1 研究背景和意义 | 第10-11页 |
| 1.2 国内外视觉机器人研究 | 第11-12页 |
| 1.3 机器人导航技术综述及研究意义 | 第12-13页 |
| 1.4 本文的主要研究内容 | 第13-15页 |
| 2 图像处理综述 | 第15-30页 |
| 2.1 图像处理方法 | 第15-20页 |
| 2.1.1 图像去噪 | 第15-17页 |
| 2.1.2 图像二值化 | 第17-18页 |
| 2.1.3 边缘检测、加粗 | 第18-19页 |
| 2.1.4 图像分割 | 第19-20页 |
| 2.2 障碍物检测 | 第20-22页 |
| 2.2.1 障碍物检测方法 | 第20-21页 |
| 2.2.2 仿真结果 | 第21-22页 |
| 2.3 目标识别 | 第22-29页 |
| 2.3.1 目标识别综述 | 第22-23页 |
| 2.3.2 SIFT目标识别 | 第23-29页 |
| 2.4 本章小结 | 第29-30页 |
| 3 移动机器人定位研究 | 第30-43页 |
| 3.1 单目摄像头距离方法 | 第30-31页 |
| 3.2 滤波算法 | 第31-35页 |
| 3.2.1 卡尔曼滤波 | 第31-33页 |
| 3.2.2 卡尔曼滤波算法在机器人定位中一般步骤 | 第33-35页 |
| 3.3 多新息抗差-自适应卡尔曼滤波定位算法 | 第35-38页 |
| 3.3.1 抗差卡尔曼滤波 | 第35-36页 |
| 3.3.2 自适应卡尔曼滤波 | 第36-37页 |
| 3.3.3 多新息算法 | 第37-38页 |
| 3.4 仿真实验 | 第38-42页 |
| 3.4.1 系统建模 | 第38-39页 |
| 3.4.2 仿真结果 | 第39-42页 |
| 3.5 本章总结 | 第42-43页 |
| 4 避障及路径规划研究 | 第43-57页 |
| 4.1 模糊神经网络 | 第43-46页 |
| 4.1.1 模糊神经网络 | 第43-45页 |
| 4.1.2 PSO训练模糊神经网络 | 第45-46页 |
| 4.2 路径规划 | 第46-51页 |
| 4.2.1 选取最优路径 | 第46-47页 |
| 4.2.2 本文设计的模糊神经网络 | 第47-51页 |
| 4.3 路径规划 | 第51-56页 |
| 4.3.1 常用路径规划方法 | 第51-53页 |
| 4.3.2 仿真实验 | 第53-56页 |
| 4.4 本章小结 | 第56-57页 |
| 5 总结与展望 | 第57-58页 |
| 参考文献 | 第58-61页 |
| 作者简历 | 第61-63页 |
| 学位论文数据集 | 第63-64页 |
