摘要 | 第4-5页 |
Abstract | 第5-6页 |
第1章 绪论 | 第10-17页 |
1.1 课题来源及研究背景 | 第10-11页 |
1.1.1 课题来源 | 第10页 |
1.1.2 课题研究背景及意义 | 第10-11页 |
1.2 国内外研究现状 | 第11-15页 |
1.2.1 国内外先进服务机器人 | 第11-13页 |
1.2.2 交互地图构建研究现状 | 第13-14页 |
1.2.3 研究现状简析 | 第14-15页 |
1.3 研究内容 | 第15-17页 |
第2章 移动机器人地图构建与定位算法研究 | 第17-43页 |
2.1 引言 | 第17-18页 |
2.2 机器人硬件平台搭建 | 第18-20页 |
2.2.1 硬件选型 | 第18页 |
2.2.2 传感器配置 | 第18-20页 |
2.3 机器人建图与定位算法研究 | 第20-31页 |
2.3.1 递推贝叶斯估计理论 | 第20-22页 |
2.3.2 粒子滤波理论 | 第22-23页 |
2.3.3 运动状态转移方程 | 第23-26页 |
2.3.4 传感器观测方程 | 第26-28页 |
2.3.5 FastSLAM算法 | 第28-31页 |
2.4 移动机器人建图性能测试与粒子数优化 | 第31-36页 |
2.4.1 粒子数优化实验 | 第33-35页 |
2.4.2 大范围建图实验 | 第35-36页 |
2.5 自适应蒙特卡洛定位(AMCL) | 第36-42页 |
2.5.1 移动机器人全局定位与局部定位方法 | 第36-37页 |
2.5.2 滤波理论在机器人定位中的应用 | 第37-39页 |
2.5.3 基于KLD采样的粒子数优化算法 | 第39-42页 |
2.6 本章小结 | 第42-43页 |
第3章 基于rosjava的人机交互地图构建技术研究 | 第43-58页 |
3.1 引言 | 第43页 |
3.2 目标跟随算法研究 | 第43-49页 |
3.2.1 核化相关滤波(KCF)目标跟随算法 | 第43-46页 |
3.2.2 基于Skeleton tracking的目标追踪算法 | 第46-48页 |
3.2.3 提取深度图像质心的目标追踪算法 | 第48-49页 |
3.3 目标跟随控制策略 | 第49-50页 |
3.4 目标跟随性能测试 | 第50-52页 |
3.5 基于Android的人机远程监控交互APP | 第52-57页 |
3.5.1 ROS系统和安卓APP端的通信设置 | 第52-53页 |
3.5.2 移动终端APP开发流程 | 第53-54页 |
3.5.3 搭建语音交互开发环境 | 第54-55页 |
3.5.4 人机交互APP功能简介与语音标记测试 | 第55-57页 |
3.6 本章小结 | 第57-58页 |
第4章 基于多传感器融合的行人感知技术研究 | 第58-72页 |
4.1 引言 | 第58页 |
4.2 行人感知方法研究 | 第58-69页 |
4.2.1 利用单线激光的行人检测算法研究 | 第59-64页 |
4.2.2 基于深度相机的近距离行人识别算法研究 | 第64-65页 |
4.2.3 基于贝叶斯滤波的多目标追踪算法研究 | 第65-66页 |
4.2.4 基于恒速模型的系统状态转移方程 | 第66-67页 |
4.2.5 基于观测信息的位置更新建模 | 第67-68页 |
4.2.6 多目标数据关联算法 | 第68-69页 |
4.3 行人感知系统性能验证 | 第69-70页 |
4.4 本章小结 | 第70-72页 |
第5章 基于行人感知的路径规划技术研究 | 第72-84页 |
5.1 引言 | 第72页 |
5.2 ROS的Navigation_package架构 | 第72-76页 |
5.2.1 基于Move_base的导航框架 | 第73-74页 |
5.2.2 分层代价地图(layed_cost_map)及动态代价地图 | 第74-76页 |
5.3 基于动态代价地图的全局路径规划 | 第76-79页 |
5.4 基于全局轨迹约束的局部路径规划 | 第79-80页 |
5.5 系统集成及轨迹规划性能测试 | 第80-83页 |
5.5.1 系统集成 | 第80-81页 |
5.5.2 轨迹规划性能测试 | 第81-82页 |
5.5.3 实验结果分析 | 第82页 |
5.5.4 机器人导航精度测试 | 第82-83页 |
5.5.5 实验结果分析 | 第83页 |
5.6 本章小结 | 第83-84页 |
结论 | 第84-86页 |
参考文献 | 第86-90页 |
致谢 | 第90页 |