视觉导航AGV路径识别和跟踪控制技术研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第1章 绪论 | 第9-14页 |
| 1.1 课题背景及研究意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.2.1 国外研究现状 | 第10-11页 |
| 1.2.2 国内研究现状 | 第11-12页 |
| 1.3 本课题主要研究内容 | 第12-14页 |
| 第2章 视觉导航AGV的平台设计和数学模型的建立 | 第14-23页 |
| 2.1 视觉导航AGV平台设计 | 第14-16页 |
| 2.2 AGV运动学分析 | 第16-18页 |
| 2.3 AGV数学模型的建立 | 第18-21页 |
| 2.4 本章小结 | 第21-23页 |
| 第3章 AGV路径识别方法 | 第23-45页 |
| 3.1 路径识别的处理过程 | 第23页 |
| 3.2 路径图像预处理 | 第23-26页 |
| 3.2.1 路径图像灰度化 | 第23-24页 |
| 3.2.2 路径图像增强 | 第24-25页 |
| 3.2.3 实验分析 | 第25-26页 |
| 3.3 基于遗传算法的图像分割 | 第26-38页 |
| 3.3.1 图像分割技术概述 | 第26-28页 |
| 3.3.2 遗传算法基本知识 | 第28-31页 |
| 3.3.3 基于OTSU的遗传算法图像分割 | 第31-36页 |
| 3.3.4 基于OTSU的改进遗传算法图像分割 | 第36-38页 |
| 3.4 基于Hough变换的路径提取 | 第38-41页 |
| 3.4.1 Hough变换 | 第38-40页 |
| 3.4.2 实验验证 | 第40-41页 |
| 3.5 路径畸变和矫正 | 第41-44页 |
| 3.5.1 摄像机成像模型 | 第41-42页 |
| 3.5.2 基于逆透视变换矫正路径畸变的设计 | 第42-44页 |
| 3.5.3 实验验证 | 第44页 |
| 3.6 本章小结 | 第44-45页 |
| 第4章 AGV路径跟踪控制方法 | 第45-58页 |
| 4.1 引言 | 第45页 |
| 4.2 粒子群算法理论概述 | 第45-48页 |
| 4.2.1 粒子群算法简介 | 第45-46页 |
| 4.2.2 粒子群算法基本原理 | 第46-47页 |
| 4.2.3 粒子群算法的流程和特点 | 第47-48页 |
| 4.3 基于粒子群算法的PID参数自整定 | 第48-54页 |
| 4.3.1 PID控制基本原理 | 第48-49页 |
| 4.3.2 基于粒子群算法的PID参数自整定设计 | 第49-51页 |
| 4.3.3 仿真实验和结果 | 第51-54页 |
| 4.4 基于改进粒子群算法的PID参数自整定 | 第54-57页 |
| 4.4.1 改进粒子群算法的原理和方法 | 第54-56页 |
| 4.4.2 仿真实验和结果 | 第56-57页 |
| 4.5 本章小结 | 第57-58页 |
| 结论 | 第58-60页 |
| 参考文献 | 第60-66页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第66-68页 |
| 致谢 | 第68页 |
