| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 课题的背景及意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-13页 |
| 1.2.1 移动机器人技术的发展 | 第10-11页 |
| 1.2.2 移动机器人环境检测的研究现状 | 第11-12页 |
| 1.2.3 移动机器人环境地图构建的研究现状 | 第12-13页 |
| 1.3 论文研究工作 | 第13-15页 |
| 第2章 移动机器人及Kinect传感器介绍 | 第15-23页 |
| 2.1 移动机器人平台 | 第15-17页 |
| 2.1.1 移动机器人端设计 | 第15-16页 |
| 2.1.2 移动机器中央控制端设计 | 第16-17页 |
| 2.2 Kinect传感器介绍 | 第17-22页 |
| 2.2.1 Kinect介绍 | 第17-18页 |
| 2.2.2 Kinect工作原理 | 第18-19页 |
| 2.2.3 Kinect摄像机标定 | 第19-20页 |
| 2.2.4 Kinect彩色图像和深度图像匹配 | 第20-22页 |
| 2.3 基于Kinect传感器的移动机器人感知系统 | 第22页 |
| 2.4 本章小结 | 第22-23页 |
| 第3章 基于Kinect传感器的移动机器人环境检测 | 第23-33页 |
| 3.1 机器人工作环境中已知特征目标检测 | 第23-25页 |
| 3.1.1 已知颜色特征目标识别 | 第23-24页 |
| 3.1.2 已知颜色特征目标定位 | 第24页 |
| 3.1.3 实验结果及分析 | 第24-25页 |
| 3.2 机器人工作环境中未知特征目标检测 | 第25-31页 |
| 3.2.1 地面模型建立 | 第25-27页 |
| 3.2.2 未知目标识别 | 第27-28页 |
| 3.2.3 未知目标定位 | 第28页 |
| 3.2.4 实验结果及分析 | 第28-31页 |
| 3.3 本章小结 | 第31-33页 |
| 第4章 基于Kinect传感器的移动机器人地图构建 | 第33-49页 |
| 4.1 基于Kinect传感器深度数据的不确定性分析 | 第33-36页 |
| 4.1.1 Kinect系统误差分析 | 第33-35页 |
| 4.1.2 Kinect外部误差分析 | 第35-36页 |
| 4.2 局部栅格地图构建 | 第36-41页 |
| 4.2.1 障碍区检测 | 第36-38页 |
| 4.2.2 障碍物置信度确定 | 第38-39页 |
| 4.2.3 空闲区检测 | 第39页 |
| 4.2.4 实验结果及分析 | 第39-41页 |
| 4.3 基于D-S证据理论的不确定性栅格地图构建 | 第41-48页 |
| 4.3.1 D-S证据理论基础 | 第41-42页 |
| 4.3.2 栅格地图初始化 | 第42页 |
| 4.3.3 基于改进的D-S证据理论数据融合的全局不确定性地图构建 | 第42-44页 |
| 4.3.4 实验结果及分析 | 第44-48页 |
| 4.4 本章小结 | 第48-49页 |
| 第5章 结论 | 第49-50页 |
| 参考文献 | 第50-53页 |
| 在学研究成果 | 第53-54页 |
| 致谢 | 第54页 |
