基于双目视觉的移动机器人室内导航方法
| CONTENTS | 第6-8页 |
| 摘要 | 第8-10页 |
| ABSTRACT | 第10-11页 |
| 第一章 绪论 | 第12-18页 |
| 1.1 课题研究的背景与意义 | 第12-13页 |
| 1.2 机器人导航技术的国内外研究现状 | 第13-15页 |
| 1.3 本文研究内容及章节安排 | 第15-18页 |
| 第二章 移动机器人视觉导航系统设计 | 第18-24页 |
| 2.1 移动机器人导航系统框架 | 第18-19页 |
| 2.2 双目视觉采集系统 | 第19-22页 |
| 2.2.1 Bumblebee2简介 | 第19-20页 |
| 2.2.2 OpenCV简介 | 第20-21页 |
| 2.2.3 ASR机器人简介 | 第21-22页 |
| 2.3 视觉导航系统软件模块设计 | 第22-23页 |
| 2.4 本章小结 | 第23-24页 |
| 第三章 图像预处理与光照阴影消除算法 | 第24-32页 |
| 3.1 图像预处理 | 第24-25页 |
| 3.2 Retinex阴影消除 | 第25-31页 |
| 3.2.1 光照无关图 | 第27-28页 |
| 3.2.2 Retinex理论 | 第28页 |
| 3.2.3 局部Retinex算法 | 第28-31页 |
| 3.3 本章小结 | 第31-32页 |
| 第四章 障碍物检测系统 | 第32-48页 |
| 4.1 区域填充 | 第32-34页 |
| 4.1.1 区域连通性 | 第32-33页 |
| 4.1.2 多边形填充 | 第33页 |
| 4.1.3 种子填充 | 第33-34页 |
| 4.2 边缘检测 | 第34-37页 |
| 4.2.1 边缘检测微分算子 | 第35页 |
| 4.2.2 Laplacian算子 | 第35-36页 |
| 4.2.3 Canny边缘检测 | 第36页 |
| 4.2.4 边缘检测实验结果 | 第36-37页 |
| 4.3 图像分割和室内障碍物提取 | 第37-41页 |
| 4.4 走廊感兴趣区域提取 | 第41-46页 |
| 4.4.1 Otsu阈值分割 | 第41-44页 |
| 4.4.2 Hough变换直线提取 | 第44-46页 |
| 4.5 模板匹配与视差计算 | 第46-47页 |
| 4.5.1 模板匹配搜索范围 | 第46-47页 |
| 4.5.2 相似性度量准则 | 第47页 |
| 4.6 本章小结 | 第47-48页 |
| 第五章 室内环境地图构建与路径规划 | 第48-64页 |
| 5.1 地图模型构建 | 第48-49页 |
| 5.2 全局拓扑地图构建 | 第49-50页 |
| 5.3 局部几何地图构建和局部避障 | 第50-52页 |
| 5.3.1 几何地图创建 | 第50-51页 |
| 5.3.2 局部避障策略 | 第51-52页 |
| 5.4 全局地图与局部地图的转换 | 第52-53页 |
| 5.4.1 拓扑地图存储与表示 | 第52页 |
| 5.4.2 佛洛依德算法 | 第52-53页 |
| 5.5 人工路标定位 | 第53-63页 |
| 5.5.1 路标选择 | 第54-55页 |
| 5.5.2 基于颜色的路标检测 | 第55-59页 |
| 5.5.3 门牌号标志识别 | 第59-63页 |
| 5.6 本章小结 | 第63-64页 |
| 第六章 总结与展望 | 第64-66页 |
| 6.1 本文工作总结 | 第64-65页 |
| 6.2 未来展望 | 第65-66页 |
| 参考文献 | 第66-70页 |
| 致谢 | 第70-71页 |
| 附表 | 第71页 |
