| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第一章 绪论 | 第11-19页 |
| 1.1 研究目的与意义 | 第11-13页 |
| 1.2 研究现状 | 第13-16页 |
| 1.2.1 移动机器人国内外研究现状 | 第13-14页 |
| 1.2.2 多传感信息融合在移动机器人中应用的研究现状 | 第14-16页 |
| 1.3 论文的主要研究内容和创新点 | 第16-17页 |
| 1.3.1 主要研究内容 | 第16页 |
| 1.3.2 创新点 | 第16-17页 |
| 1.4 论文的章节安排 | 第17-19页 |
| 第二章 多传感器信息融合技术与机器人控制方法 | 第19-29页 |
| 2.1 引言 | 第19页 |
| 2.2 多传感器信息融合的概述和特点 | 第19-20页 |
| 2.3 多传感器信息融合的模型 | 第20-25页 |
| 2.3.1 数学模型 | 第21-22页 |
| 2.3.2 功能模型 | 第22-23页 |
| 2.3.3 结构模型 | 第23-25页 |
| 2.4 移动机器人控制算法及运动分析 | 第25-28页 |
| 2.4.1 智能控制算法 | 第25-26页 |
| 2.4.2 机器人运动分析 | 第26-28页 |
| 2.5 小结 | 第28-29页 |
| 第三章 测距传感器信息预处理技术 | 第29-41页 |
| 3.1 引言 | 第29-30页 |
| 3.2 测距传感器原理及测量值修正 | 第30-32页 |
| 3.2.1 超声波传感器 | 第30-31页 |
| 3.2.2 红外传感器 | 第31-32页 |
| 3.3 数据的野值剔除 | 第32-37页 |
| 3.3.1 野值检测及相关算法 | 第32-34页 |
| 3.3.2 基于新息变化的野值剔除 | 第34-35页 |
| 3.3.3 实验结果及分析 | 第35-37页 |
| 3.4 数据的时间配准 | 第37-40页 |
| 3.4.1 EKF-TR原理 | 第37-39页 |
| 3.4.2 实验结果及分析 | 第39-40页 |
| 3.5 小结 | 第40-41页 |
| 第四章 基于HSI颜色空间的IOtsu图像分割和路径提取 | 第41-53页 |
| 4.1 引言 | 第41页 |
| 4.2 彩色图像分割理论基础 | 第41-46页 |
| 4.2.1 颜色空间 | 第42-43页 |
| 4.2.2 彩色图像分割方法 | 第43-46页 |
| 4.3 Otsu图像分割算法 | 第46-47页 |
| 4.4 IOtsu图像分割算法 | 第47-51页 |
| 4.4.1 颜色空间选取和颜色范围确定 | 第48-49页 |
| 4.4.2 最优H值 | 第49页 |
| 4.4.3 实验结果与分析 | 第49-51页 |
| 4.5 小结 | 第51-53页 |
| 第五章 信息融合应用于移动机器人智能控制 | 第53-63页 |
| 5.1 引言 | 第53页 |
| 5.2 系统整体流程设计 | 第53-55页 |
| 5.3 传感器信息融合方法 | 第55-57页 |
| 5.3.1 基于证据理论的数据关联算法 | 第55-56页 |
| 5.3.2 考虑置信度的判决决策方法 | 第56-57页 |
| 5.4 基于模糊控制的移动机器人循迹控制 | 第57-62页 |
| 5.4.1 变量模糊化及模糊规则 | 第57-60页 |
| 5.4.2 实验结果与分析 | 第60-62页 |
| 5.5 小结 | 第62-63页 |
| 第六章 总结与展望 | 第63-65页 |
| 6.1 总结 | 第63页 |
| 6.2 展望 | 第63-65页 |
| 参考文献 | 第65-71页 |
| 致谢 | 第71-73页 |
| 附录：攻读硕士期间参加的项目及成果 | 第73页 |