摘要 | 第1-6页 |
ABSTRACT | 第6-13页 |
第一章 绪论 | 第13-26页 |
·课题来源及研究意义 | 第13-14页 |
·课题来源 | 第13页 |
·课题的研究意义 | 第13-14页 |
·服务机器人技术研究概况 | 第14-18页 |
·国外服务机器人技术研究概述 | 第14-16页 |
·国内服务机器人技术发展概述 | 第16-17页 |
·餐厅服务机器人发展概述 | 第17-18页 |
·移动机器人定位技术概述 | 第18-23页 |
·相对定位研究 | 第19页 |
·绝对定位研究 | 第19-23页 |
·论文主要内容及组织结构 | 第23-26页 |
·论文主要研究内容 | 第23-24页 |
·论文组织结构 | 第24-26页 |
第二章 轮式餐厅服务机器人系统搭建 | 第26-47页 |
·引言 | 第26页 |
·轮式餐厅服务机器人系统 | 第26-31页 |
·餐厅服务机器人机械系统 | 第27-30页 |
·餐厅服务机器人传感器系统 | 第30-31页 |
·轮式餐厅服务机器人建模 | 第31-37页 |
·餐厅服务机器人运动学模型 | 第31-33页 |
·餐厅服务机器人里程计模型 | 第33页 |
·餐厅服务机器人机械臂建模 | 第33-37页 |
·餐厅服务机器人传感器观测模型 | 第37-46页 |
·餐厅服务机器人坐标系统模型 | 第37-39页 |
·机器人双目视觉路标观测模型 | 第39-43页 |
·机器人全局视觉传感器模型 | 第43-46页 |
·本章小结 | 第46-47页 |
第三章 基于改进粒子滤波的餐厅服务机器人全局视觉定位 | 第47-69页 |
·引言 | 第47页 |
·粒子滤波定位算法 | 第47-51页 |
·序列重要性采样(SIS)算法 | 第48-49页 |
·序列重要性重采样(SIR)算法 | 第49-51页 |
·改进的粒子滤波定位算法 | 第51-63页 |
·改进的迭代扩展卡尔曼滤波 | 第51-57页 |
·改进的迭代扩展卡尔曼粒子滤波 | 第57-59页 |
·仿真结果与分析 | 第59-63页 |
·基于改进粒子滤波的服务机器人全局视觉定位 | 第63-67页 |
·基于改进粒子滤波的机器人定位算法流程 | 第63-66页 |
·基于粒子滤波的机器人定位实验 | 第66-67页 |
·本章小结 | 第67-69页 |
第四章 基于多信息融合的餐厅服务机器人定位 | 第69-94页 |
·引言 | 第69页 |
·多传感器信息融合技术 | 第69-72页 |
·多信息融合的结构层次模型 | 第69-71页 |
·多信息融合的主要方法 | 第71-72页 |
·改进的迭代扩展卡尔曼多传感器信息融合 | 第72-81页 |
·集中式迭代扩展卡尔曼多信息融合 | 第72-77页 |
·分布式迭代扩展卡尔曼多信息融合 | 第77-81页 |
·改进的联合卡尔曼滤波多信息融合 | 第81-89页 |
·联合滤波算法原理 | 第81-84页 |
·联合滤波器模型的结构 | 第84-86页 |
·改进的联合迭代扩展卡尔曼多信息融合算法 | 第86-87页 |
·仿真实验 | 第87-89页 |
·基于联合迭代卡尔曼信息融合的机器人全局定位 | 第89-93页 |
·本章小结 | 第93-94页 |
第五章 基于双目视觉的餐厅服务机器人目标位姿精定位 | 第94-116页 |
·引言 | 第94页 |
·立体匹配技术 | 第94-97页 |
·立体匹配研究内容 | 第95-96页 |
·立体匹配方法 | 第96-97页 |
·基于图像分割的区域稠密匹配方法 | 第97-107页 |
·基于均值漂移的图像分割算法 | 第97-100页 |
·SIFT 特征匹配 | 第100-104页 |
·基于种子生长的立体匹配算法 | 第104-106页 |
·仿真实验 | 第106-107页 |
·基于双目视觉的机器人目标位姿确定 | 第107-114页 |
·基于双目视觉的服务机器人精定位 | 第108-111页 |
·基于双目视觉的机器精定位实验 | 第111-114页 |
·本章小结 | 第114-116页 |
第六章 总结 | 第116-118页 |
·本文结论 | 第116页 |
·主要创新点 | 第116-117页 |
·研究展望 | 第117-118页 |
参考文献 | 第118-128页 |
攻读博士学位期间已发表或录用的论文 | 第128-129页 |
攻读博士学位期间参与的科研项目 | 第129页 |
攻读博士学位期间所获得的专利与证书 | 第129页 |
攻读博士学位期间所获得的荣誉与奖励 | 第129-130页 |
致谢 | 第130-132页 |