| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第11-15页 |
| 1.1 引言 | 第11页 |
| 1.2 课题研究的背景和意义 | 第11-12页 |
| 1.3 国内外研究现状分析 | 第12-13页 |
| 1.3.1 国外研究现状 | 第12页 |
| 1.3.2 国内研究现状 | 第12-13页 |
| 1.4 论文的主要内容和结构 | 第13-15页 |
| 第二章 NAO机器人实验平台 | 第15-21页 |
| 2.1 NAO机器人概述 | 第15页 |
| 2.2 NAO机器人软硬件介绍 | 第15-17页 |
| 2.2.1 NAO机器人硬件介绍 | 第15-16页 |
| 2.2.2 NAO机器人软件程序平台介绍 | 第16-17页 |
| 2.3 NAO机器人视觉原理 | 第17-20页 |
| 2.3.1 仿人机器人NAO视觉参数介绍 | 第17-19页 |
| 2.3.2 仿人机器人NAO视觉结构分析 | 第19-20页 |
| 2.4 本章小结 | 第20-21页 |
| 第三章 机器人NAO的目标识别与人工地标自定位研究 | 第21-33页 |
| 3.1 图像预处理 | 第21-24页 |
| 3.1.1 采集图像并进行颜色空间转换 | 第21-23页 |
| 3.1.2 图像分割 | 第23页 |
| 3.1.3 图像去噪 | 第23-24页 |
| 3.2 基于单目视觉的定位方法 | 第24-27页 |
| 3.2.1 摄像机坐标系 | 第25-26页 |
| 3.2.2 参数标定 | 第26-27页 |
| 3.3 基于人工地标的自定位 | 第27-32页 |
| 3.3.1 人工地标定义 | 第27页 |
| 3.3.2 NAO机器人的人工地标设计原则 | 第27-29页 |
| 3.3.3 人工地标原理 | 第29-32页 |
| 3.3.4 基于单目视觉定位与人工地标定位方法的对比 | 第32页 |
| 3.4 本章小结 | 第32-33页 |
| 第四章 基于人工势场算法的路径规划 | 第33-42页 |
| 4.1 引言 | 第33页 |
| 4.2 传统人工势场算法的原理 | 第33-37页 |
| 4.2.1 引力场所产生的函数 | 第34-35页 |
| 4.2.2 斥力场所产生的函数 | 第35-36页 |
| 4.2.3 传统人工势场算法分析 | 第36-37页 |
| 4.3 改进的人工势场算法 | 第37-41页 |
| 4.3.1 改进的人工势场算法方案 | 第37-38页 |
| 4.3.2 仿真实验结果 | 第38-41页 |
| 4.4 本章小结 | 第41-42页 |
| 第五章 基于人工势场和粒子群优化算法的混合路径规划 | 第42-58页 |
| 5.1 前言 | 第42页 |
| 5.2 栅格法建模 | 第42-45页 |
| 5.2.1 问题描述 | 第42页 |
| 5.2.2 栅格粒度的确定 | 第42-43页 |
| 5.2.3 栅格法障碍物处理 | 第43-45页 |
| 5.3 粒子群算法的原理 | 第45-48页 |
| 5.3.1 粒子群算法的概述 | 第45页 |
| 5.3.2 粒子群算法的基本思路 | 第45-48页 |
| 5.3.3 粒子群算法分析 | 第48页 |
| 5.4 粒子群优化算法的改进 | 第48-52页 |
| 5.4.1 传统粒子群算法的缺陷 | 第48-49页 |
| 5.4.2 粒子群优化算法的改进措施 | 第49-50页 |
| 5.4.3 改进的粒子群优化算法步骤 | 第50-52页 |
| 5.5 结合人工势场和粒子群优化算法进行路径规划的实现 | 第52-57页 |
| 5.5.1 方法描述 | 第52-53页 |
| 5.5.2 仿真结果分析 | 第53-57页 |
| 5.6 本章小结 | 第57-58页 |
| 第六章 总结与展望 | 第58-60页 |
| 6.1 总结 | 第58-59页 |
| 6.2 展望 | 第59-60页 |
| 参考文献 | 第60-63页 |
| 致谢 | 第63页 |
