| 摘要 | 第4-6页 |
| abstract | 第6-8页 |
| 第1章 绪论 | 第13-20页 |
| 1.1 研究的背景与意义 | 第13-15页 |
| 1.2 国内外研究现状 | 第15-17页 |
| 1.3 论文主要研究内容及创新点 | 第17-20页 |
| 1.3.1 主要研究内容 | 第17-18页 |
| 1.3.2 主要创新点 | 第18-20页 |
| 第2章 光流理论描述及算法改进 | 第20-43页 |
| 2.1 光流算法原理及分类 | 第22-25页 |
| 2.2 Lucas-Kanade光流计算方法 | 第25-28页 |
| 2.3 金字塔Lucas-Kanade特征点光流计算方法 | 第28-34页 |
| 2.3.1 基于图像金字塔的LK光流计算方法 | 第28-29页 |
| 2.3.2 特征点检测 | 第29-34页 |
| 2.4 基于多项式窗口函数估计的梯度计算改进算法 | 第34-39页 |
| 2.5 仿真研究 | 第39-43页 |
| 第3章 基于光流的机器人避障方法及策略 | 第43-65页 |
| 3.1 机器人基本运动方程 | 第43-45页 |
| 3.2 基于光流的三维场景信息计算 | 第45-49页 |
| 3.2.1 扩展焦点FOE计算 | 第45-47页 |
| 3.2.2 碰撞时间TTC计算 | 第47-48页 |
| 3.2.3 仿真实验 | 第48-49页 |
| 3.3 基于密度峰值发现的光流聚类算法 | 第49-53页 |
| 3.3.1 密度峰值发现聚类算法原理 | 第50-52页 |
| 3.3.2 基于光流信息的两层聚类 | 第52-53页 |
| 3.4 光流融合人工势场法的机器人避障策略 | 第53-57页 |
| 3.4.1 人工势场法理论描述 | 第54-56页 |
| 3.4.2 基于光流的人工势场避障模型及实现 | 第56-57页 |
| 3.5 仿真实验 | 第57-65页 |
| 第4章 基于光流的机器人避障实验研究 | 第65-71页 |
| 4.1 实验平台 | 第65-66页 |
| 4.2 避障实验及结果分析 | 第66-71页 |
| 4.2.1 避障实验 | 第66-69页 |
| 4.2.2 实验结果分析 | 第69-71页 |
| 第5章 总结及展望 | 第71-74页 |
| 5.1 总结 | 第71-72页 |
| 5.2 展望 | 第72-74页 |
| 致谢 | 第74-75页 |
| 参考文献 | 第75-79页 |
| 攻读学位期间发表的学术论文及参加科研情况 | 第79-80页 |