| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 本论文所用符号表 | 第7-12页 |
| 第1章 绪论 | 第12-15页 |
| 1.1 研究背景和意义 | 第12页 |
| 1.2 NAO机器人研究现状 | 第12-13页 |
| 1.3 声源定位研究现状 | 第13-14页 |
| 1.4 本论文研究工作 | 第14-15页 |
| 第2章 实验平台介绍 | 第15-20页 |
| 2.1 NAO机器人硬件介绍 | 第15-16页 |
| 2.2 NAO机器人软件介绍 | 第16-17页 |
| 2.2.1 机器人系统 | 第16页 |
| 2.2.2 NAOqi系统特点 | 第16-17页 |
| 2.3 NAO机器人视觉系统 | 第17-18页 |
| 2.4 声源定位实验平台 | 第18-20页 |
| 第3章 基于NAO机器人的目标识别研究 | 第20-39页 |
| 3.1 几种常见图像分割方法介绍 | 第20-22页 |
| 3.1.1 基于阈值的分割方法 | 第20页 |
| 3.1.2 基于边缘的图像分割方法 | 第20-21页 |
| 3.1.3 基于区域的图像分割方法 | 第21-22页 |
| 3.2 基于颜色阈值的图像分割方法 | 第22-28页 |
| 3.2.1 颜色空间的选择 | 第22页 |
| 3.2.2 基于颜色阈值空间分割法的目标识别过程 | 第22-26页 |
| 3.2.3 基于颜色阈值目标识别方法中存在的问题分析 | 第26-28页 |
| 3.3 传统模板匹配算法 | 第28-29页 |
| 3.4 本文识别算法 | 第29-38页 |
| 3.4.1 识别匹配过程描述 | 第29页 |
| 3.4.2 目标模板的提取 | 第29-30页 |
| 3.4.3 描述值的计算 | 第30-32页 |
| 3.4.4 描述值的快速提取算法 | 第32-34页 |
| 3.4.5 识别匹配具体步骤 | 第34-35页 |
| 3.4.6 实验结果与分析 | 第35-38页 |
| 3.5 本章小结 | 第38-39页 |
| 第4章 基于NAO机器人的目标定位研究 | 第39-45页 |
| 4.1 坐标系的定义 | 第39页 |
| 4.2 NAO机器人官网的定位算法 | 第39-40页 |
| 4.3 改进的定位方法 | 第40-44页 |
| 4.3.1 对摄像头在脚平面的位置进行标记 | 第40页 |
| 4.3.2 计算目标相对于机器人的空间位置 | 第40-43页 |
| 4.3.3 定位实验结果 | 第43-44页 |
| 4.4 本章小结 | 第44-45页 |
| 第5章 基于NAO机器人对目标的抓取研究 | 第45-57页 |
| 5.1 NAO机器人手臂结构及参数 | 第45-46页 |
| 5.2 Denavit-Hartenberg(D-H)法建立坐标系 | 第46-48页 |
| 5.3 NAO机器人手臂运动学分析 | 第48-54页 |
| 5.3.1 NAO机器人手臂的正运动学分析 | 第48-51页 |
| 5.3.2 NAO机器人手臂的逆运动学分析 | 第51-54页 |
| 5.4 抓取反馈控制及流程图 | 第54-56页 |
| 5.4.1 抓取反馈控制方法 | 第54-55页 |
| 5.4.2 闭环反馈流程图 | 第55页 |
| 5.4.3 抓取实验 | 第55-56页 |
| 5.5 本章小结 | 第56-57页 |
| 第6章 基于麦克风阵列的声源定位 | 第57-70页 |
| 6.1 声源定位方法介绍 | 第57-58页 |
| 6.1.1 基于最大输出功率的可控波束形成的声源定位方法 | 第57页 |
| 6.1.2 基于声达时间差的声源定位方法 | 第57-58页 |
| 6.1.3 基于高分辨率谱估计的声源定位方法 | 第58页 |
| 6.2 阵列结构和信号模型 | 第58-60页 |
| 6.3 声源定位算法 | 第60-65页 |
| 6.3.1 ESPRIT算法原理 | 第60-63页 |
| 6.3.2 RANSAC算法原理 | 第63-64页 |
| 6.3.3 改进的算法 | 第64-65页 |
| 6.4 实验分析 | 第65-69页 |
| 6.5 本章小结 | 第69-70页 |
| 第7章 结论与展望 | 第70-72页 |
| 7.1 总结 | 第70页 |
| 7.2 展望 | 第70-72页 |
| 致谢 | 第72-73页 |
| 参考文献 | 第73-77页 |
| 附录1 攻读硕士学位期间发表的论文及成果 | 第77-78页 |
| 附录2 攻读硕士学位期间参加的科研项目 | 第78页 |
