| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 符号对照表 | 第11-12页 |
| 缩略语对照表 | 第12-16页 |
| 第一章 绪论 | 第16-20页 |
| 1.1 研究背景与意义 | 第16页 |
| 1.2 发展现状 | 第16-17页 |
| 1.3 机器人避障研究内容 | 第17-18页 |
| 1.4 机器人远程控制 | 第18页 |
| 1.5 文章组织结构 | 第18-20页 |
| 第二章 机器人运动控制基础 | 第20-28页 |
| 2.1 机器人运动平台分析 | 第20-24页 |
| 2.1.1 机器人组成结构 | 第20-21页 |
| 2.1.2 传感器选择 | 第21-22页 |
| 2.1.3 传感器位置部署 | 第22-23页 |
| 2.1.4 移动机器人控制系统结构 | 第23-24页 |
| 2.2 机器人运动学模型 | 第24-27页 |
| 2.3 本章小结 | 第27-28页 |
| 第三章 机器人远程控制系统的设计与实现 | 第28-46页 |
| 3.1 基于web的机器人控制系统 | 第28-37页 |
| 3.1.1 系统组成 | 第28-29页 |
| 3.1.2 机器人行走控制 | 第29-31页 |
| 3.1.3 源代码开发环境与工具 | 第31-37页 |
| 3.2 基于Web的远程可视行走控制 | 第37-39页 |
| 3.2.1 系统组成 | 第37-38页 |
| 3.2.2 基于HTTP协议的通信 | 第38-39页 |
| 3.3 基于热图的可视行走控制 | 第39-44页 |
| 3.3.1 热图数据可视化处理 | 第39-42页 |
| 3.3.2 远程可视图像信息获取 | 第42-44页 |
| 3.4 机器人远程控制实践 | 第44-45页 |
| 3.4.1 机器人的远程控制UI页面 | 第44页 |
| 3.4.2 机器人的远程行走控制实践 | 第44-45页 |
| 3.5 本章小结 | 第45-46页 |
| 第四章 传感器信息融合与环境类型识别 | 第46-62页 |
| 4.1 环境感知 | 第46-50页 |
| 4.1.1 环境感知技术概述 | 第46页 |
| 4.1.2 传感器环境信息感知 | 第46-50页 |
| 4.2 传感器信息融合 | 第50-53页 |
| 4.2.1 信息融合技术 | 第50-51页 |
| 4.2.2 多传感器信息融合层次结构与应用 | 第51-53页 |
| 4.3 基于信息融合的环境类型识别方法 | 第53-60页 |
| 4.3.1 环境类型识别方法逻辑结构 | 第53-54页 |
| 4.3.2 环境类型识别方法步骤 | 第54-57页 |
| 4.3.3 环境类型识别方法仿真示例 | 第57-60页 |
| 4.4 本章小结 | 第60-62页 |
| 第五章 基于环境感知及模糊神经网络的避障算法 | 第62-90页 |
| 5.1 模糊推理算法 | 第62-75页 |
| 5.1.1 模糊控制的概况 | 第62页 |
| 5.1.2 模糊控制系统的基本结构 | 第62-65页 |
| 5.1.3 基于模糊推理的机器人避障算法 | 第65-68页 |
| 5.1.4 仿真研究与硬件实现 | 第68-75页 |
| 5.2 模糊神经网络算法 | 第75-83页 |
| 5.2.1 模糊神经网络技术 | 第75页 |
| 5.2.2 神经网络和模糊逻辑的结合方法 | 第75-76页 |
| 5.2.3 自适应模糊神经推理系统 | 第76-78页 |
| 5.2.4 模糊神经网络避障算法仿真 | 第78-83页 |
| 5.3 基于环境感知及模糊神经网络的避障算法 | 第83-88页 |
| 5.3.1 避障算法模型框架 | 第83-86页 |
| 5.3.2 基于环境感知及模糊神经网络避障算法仿真 | 第86-88页 |
| 5.4 本章小结 | 第88-90页 |
| 第六章 总结与展望 | 第90-94页 |
| 6.1 主要工作 | 第90-92页 |
| 6.2 工作展望 | 第92-94页 |
| 参考文献 | 第94-98页 |
| 致谢 | 第98-100页 |
| 作者简介 | 第100-101页 |