基于行人追踪预测的护士助手机器人避障方法研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第1章 绪论 | 第9-19页 |
| 1.1 课题来源 | 第9页 |
| 1.2 课题研究的目的和意义 | 第9-10页 |
| 1.3 国内外研究现状 | 第10-17页 |
| 1.3.1 国内外医院服务机器人发展现状 | 第10-12页 |
| 1.3.2 国内外导航规划技术研究现状 | 第12-15页 |
| 1.3.3 机器人避障算法研究现状 | 第15-17页 |
| 1.4 本文主要研究内容 | 第17-19页 |
| 第2章 基于深度图像的行人识别与跟踪 | 第19-31页 |
| 2.1 引言 | 第19页 |
| 2.2 行人识别算法问题分析 | 第19-20页 |
| 2.3 深度图像目标区域提取 | 第20-22页 |
| 2.4 离散标签的检测 | 第22-25页 |
| 2.4.1 行人特征的提取分析 | 第22-23页 |
| 2.4.2 支持向量机模型分析 | 第23-24页 |
| 2.4.3 基于SVM的行人检测 | 第24-25页 |
| 2.5 离散标签路径拟合 | 第25-30页 |
| 2.5.1 离散标签特征匹配 | 第25-28页 |
| 2.5.2 路径拟合 | 第28-30页 |
| 2.6 本章小结 | 第30-31页 |
| 第3章 基于行人识别的运动预测 | 第31-43页 |
| 3.1 引言 | 第31页 |
| 3.2 行人运动预测问题分析 | 第31-32页 |
| 3.3 行人意图模型 | 第32-33页 |
| 3.4 行人头像角度识别 | 第33-38页 |
| 3.4.1 头像识别区域划分 | 第33-34页 |
| 3.4.2 一对多SVM分类模型 | 第34-35页 |
| 3.4.3 头像角度特征提取 | 第35-38页 |
| 3.5 头像角度识别 | 第38-39页 |
| 3.6 基于卡尔曼滤波的运动预测 | 第39-42页 |
| 3.7 本章小结 | 第42-43页 |
| 第4章 基于POMDP的路径规划 | 第43-54页 |
| 4.1 引言 | 第43页 |
| 4.2 路径规划问题分析 | 第43-44页 |
| 4.3 移动机器人模型建立 | 第44-45页 |
| 4.4 时间弹性带路径规划算法 | 第45-46页 |
| 4.5 轨迹与运行速度的分离 | 第46-47页 |
| 4.6 部分可观测马尔科夫决策过程 | 第47-53页 |
| 4.6.1 决策问题设计 | 第47-49页 |
| 4.6.2 在线POMDP算法 | 第49-51页 |
| 4.6.3 POMDP仿真计算 | 第51-53页 |
| 4.7 本章小结 | 第53-54页 |
| 第5章 行人避障实验 | 第54-62页 |
| 5.1 引言 | 第54页 |
| 5.2 实验移动平台简介 | 第54-57页 |
| 5.3 模拟仿真结果 | 第57-59页 |
| 5.4 真实环境验证 | 第59-61页 |
| 5.5 本章小结 | 第61-62页 |
| 结论 | 第62-63页 |
| 参考文献 | 第63-68页 |
| 攻读硕士期间发表的论文及其他成果 | 第68-70页 |
| 致谢 | 第70页 |
