室内移动机器人视觉目标跟踪与重获取
| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第10-17页 |
| 1.1 引言 | 第10页 |
| 1.2 国内外研究现状 | 第10-14页 |
| 1.3 目标跟踪 | 第14-15页 |
| 1.4 移动机器人路径规划与避障 | 第15-16页 |
| 1.5 本文主要研究内容 | 第16-17页 |
| 第二章 硬件系统 | 第17-27页 |
| 2.1 整体框架 | 第17页 |
| 2.2 Pioneer 移动机器人介绍 | 第17-23页 |
| 2.2.1 碰撞传感器 | 第21页 |
| 2.2.2 声纳环 | 第21-22页 |
| 2.2.3 激光雷达 | 第22页 |
| 2.2.4 光电编码器 | 第22-23页 |
| 2.2.5 陀螺仪 | 第23页 |
| 2.3 Kinect | 第23-27页 |
| 2.3.1 Kinect 简介 | 第23-25页 |
| 2.3.2 Kinect 3D 信息获取 | 第25-27页 |
| 第三章 粒子滤波目标跟踪技术 | 第27-46页 |
| 3.1 粒子滤波理论 | 第27-29页 |
| 3.1.1 动态空间模型 | 第27页 |
| 3.1.2 贝叶斯估计理论 | 第27-28页 |
| 3.1.3 蒙特卡罗方法 | 第28-29页 |
| 3.2 粒子滤波算法 | 第29-33页 |
| 3.2.1 粒子滤波器基本原理 | 第30页 |
| 3.2.2 序列重要性采样 | 第30-32页 |
| 3.2.3 粒子退化与重采样 | 第32-33页 |
| 3.2.4 粒子滤波算法流程 | 第33页 |
| 3.3 目标模型的建立 | 第33-38页 |
| 3.3.1 颜色空间模型 | 第34-35页 |
| 3.3.2 目标特征提取 | 第35-36页 |
| 3.3.3 颜色直方图 | 第36-37页 |
| 3.3.4 颜色特征的相似度计算 | 第37-38页 |
| 3.4 融合深度信息的目标跟踪 | 第38-46页 |
| 3.4.1 增量式直方图计算(IHC)算法 | 第38-39页 |
| 3.4.2 融合深度信息的目标跟踪 | 第39-42页 |
| 3.4.3 目标跟踪实验 | 第42-46页 |
| 第四章 移动机器人的运动控制 | 第46-53页 |
| 4.1 移动机器人数学模型 | 第46-51页 |
| 4.1.1 位置模型 | 第46-47页 |
| 4.1.2 差动驱动移动机器人运动学建模 | 第47-50页 |
| 4.1.3 里程表位置估计 | 第50-51页 |
| 4.2 目标跟踪运动控制 | 第51-53页 |
| 第五章 路径规划与避障技术 | 第53-65页 |
| 5.1 常用路径规划技术 | 第53-56页 |
| 5.2 人工势场法 | 第56-58页 |
| 5.3 改进的人工势场法 | 第58-62页 |
| 5.3.1 传统人工势场法缺陷 | 第58-60页 |
| 5.3.2 增加安全区域的人工势场法 | 第60-61页 |
| 5.3.3 运动控制 | 第61-62页 |
| 5.4 局部地图更新 | 第62-65页 |
| 第六章 系统设计验证 | 第65-71页 |
| 6.1 系统软件设计 | 第65-68页 |
| 6.2 实验验证 | 第68-71页 |
| 第七章 结论 | 第71-72页 |
| 参考文献 | 第72-74页 |
| 致谢 | 第74-75页 |
| 个人简历、在学期间的研究成果及发表的学术论文 | 第75页 |
