基于视觉导引的港口智能AGV路径跟踪系统研究
| 第1章 绪论 | 第1-19页 |
| ·课题概述 | 第8-11页 |
| ·港口智能 AGV系统概述 | 第11-17页 |
| ·智能 AGV系统简介 | 第11-15页 |
| ·港口AGV发展简介 | 第15-16页 |
| ·港口AGV特点 | 第16-17页 |
| ·本课题研究的主要内容 | 第17-19页 |
| 第2章 神经网络控制理论 | 第19-32页 |
| ·智能控制理论综述 | 第19-22页 |
| ·智能控制的基本概念 | 第19-20页 |
| ·智能控制系统的基本特点 | 第20页 |
| ·智能控制系统的基本类型 | 第20-22页 |
| ·神经网络控制理论及其发展简介 | 第22-25页 |
| ·人工神经元模型 | 第22-23页 |
| ·人工神经网络模型 | 第23-25页 |
| ·BP神经网络控制理论 | 第25-31页 |
| ·BP神经网络算法 | 第25-29页 |
| ·BP网络应用现状及其优缺点 | 第29-30页 |
| ·改进的BP网络算法 | 第30-31页 |
| ·本章小结 | 第31-32页 |
| 第3章 BP神经网络路标识别系统设计 | 第32-40页 |
| ·BP网络识别系统设计的基本思路 | 第32-36页 |
| ·智能 AGV系统构成及工作原理 | 第32-34页 |
| ·港口智能 AGV路径跟踪任务分析 | 第34-35页 |
| ·几种常用的路标识别算法比较 | 第35-36页 |
| ·智能 AGV路标识别系统结构设计 | 第36页 |
| ·BP网络识别系统介绍 | 第36-39页 |
| ·AGV视觉系统 | 第36-38页 |
| ·路标识别系统 | 第38页 |
| ·AGV运动控制系统 | 第38-39页 |
| ·本章小结 | 第39-40页 |
| 第4章 神经网络路标识别算法 | 第40-56页 |
| ·引言 | 第40页 |
| ·路标图像的获取与处理 | 第40-47页 |
| ·路标实物模型以及图像原始获取 | 第41-42页 |
| ·数字图像前期灰度化处理 | 第42-43页 |
| ·数字图像前期二值化处理 | 第43-45页 |
| ·图像分块与特征提取 | 第45-47页 |
| ·BP网络识别算法 | 第47-53页 |
| ·路标识别模型的建立与网络训练样本集的构造 | 第49-50页 |
| ·BP网络的结构确立 | 第50-52页 |
| ·BP网络训练及其优化调整 | 第52-53页 |
| ·神经网络的MATLAB仿真结果 | 第53-55页 |
| ·识别算法仿真 | 第53-55页 |
| ·识别算法性能分析和比较 | 第55页 |
| ·本章小结 | 第55-56页 |
| 第5章 移动机器人试验验证 | 第56-64页 |
| ·机器人设备简介 | 第56-59页 |
| ·机器人硬件介绍 | 第56-58页 |
| ·机器人控制软件及其接口 | 第58-59页 |
| ·试验思路 | 第59页 |
| ·试验方案与试验过程 | 第59-61页 |
| ·机器人试验数据与分析 | 第61-63页 |
| ·本章小结 | 第63-64页 |
| 第6章 结束语 | 第64-66页 |
| ·全文总结 | 第64页 |
| ·心得体会 | 第64-65页 |
| ·进一步工作展望 | 第65-66页 |
| 参考文献 | 第66-70页 |
| 致谢 | 第70-71页 |
| 作者在攻读硕士学位期间发表的学术论文 | 第71页 |
