基于视觉的道路识别技术在移动机器人导航中的应用研究
| 摘要 | 第1-4页 |
| Abstract | 第4-5页 |
| 目录 | 第5-7页 |
| 1 绪论 | 第7-15页 |
| ·研究背景与意义 | 第7-8页 |
| ·机器人的发展历史 | 第8页 |
| ·基于视觉的智能机器人的研究现状 | 第8-12页 |
| ·视觉导航的研究概况 | 第8-11页 |
| ·道路识别技术的相关研究 | 第11-12页 |
| ·本文的研究内容和结构安排 | 第12-15页 |
| 2 移动机器人的系统组成及总体研究方案 | 第15-25页 |
| ·能力风暴机器人AS-R | 第15-18页 |
| ·能力风暴机器人AS-R的机械结构和硬件体系 | 第15-16页 |
| ·AS-R基本配置模块 | 第16-18页 |
| ·AS-R机器人控制问题 | 第18-22页 |
| ·移动机器人的运动结构 | 第18-19页 |
| ·移动机器人的驱动系统 | 第19-21页 |
| ·移动机器人运动控制 | 第21-22页 |
| ·总体设计方案 | 第22-23页 |
| ·本章小结 | 第23-25页 |
| 3 移动机器人视觉系统设计 | 第25-37页 |
| ·引言 | 第25-26页 |
| ·系统结构及工作原理 | 第26-28页 |
| ·系统结构 | 第26页 |
| ·系统工作原理 | 第26-27页 |
| ·视觉系统的功能规划 | 第27-28页 |
| ·摄像机透视模型及逆模型 | 第28-35页 |
| ·坐标设定 | 第29页 |
| ·坐标变换 | 第29-35页 |
| ·本章小结 | 第35-37页 |
| 4 道路图像预处理 | 第37-59页 |
| ·道路图像的灰度化 | 第37-38页 |
| ·灰度直方图 | 第38页 |
| ·直方图均衡化 | 第38-40页 |
| ·直方图均衡化的目的 | 第38-39页 |
| ·直方图均衡化的原理 | 第39-40页 |
| ·道路图像的滤波 | 第40-44页 |
| ·图像滤波常用算法 | 第41-43页 |
| ·图像滤波的处理结果 | 第43-44页 |
| ·道路图像的边缘增强 | 第44-53页 |
| ·图像梯度 | 第44-45页 |
| ·道路图像边缘增强方法 | 第45-49页 |
| ·道路图像边缘增强实验 | 第49-53页 |
| ·无外加噪声图像检测实验 | 第49-50页 |
| ·加入随机噪声图像检测实验 | 第50-52页 |
| ·加入椒盐噪声图像检测实验 | 第52-53页 |
| ·道路图像的阈值化处理 | 第53-58页 |
| ·阈值化常用算法 | 第53-56页 |
| ·阈值化处理结果 | 第56-58页 |
| ·本章小结 | 第58-59页 |
| 5 道路的边缘识别与避障 | 第59-79页 |
| ·引言 | 第59-60页 |
| ·道路检测方法概述 | 第60页 |
| ·边缘与区域相结合的道路检测方法 | 第60-67页 |
| ·方法的提出 | 第60-61页 |
| ·利用Sobel算子识别道路边缘 | 第61-63页 |
| ·利用区域生长法识别道路边缘 | 第63-66页 |
| ·区域生长法的基本概念 | 第63-64页 |
| ·利用区域生长法识别道路边界的仿真结果 | 第64-66页 |
| ·融合两种边界信息提取真实道路边界 | 第66-67页 |
| ·基于模型的道路识别法 | 第67-75页 |
| ·道路模型假设 | 第68-69页 |
| ·基于直线模型的道路识别方法概述 | 第69-70页 |
| ·道路图像直线特征提取 | 第70-75页 |
| ·传统Hough变换 | 第70-73页 |
| ·随机Hough变换 | 第73-74页 |
| ·随机Hough变换提取直线的结果 | 第74-75页 |
| ·道路跟踪识别部分 | 第75-76页 |
| ·移动机器人的避障系统 | 第76-78页 |
| ·本章小结 | 第78-79页 |
| 6 总结与展望 | 第79-81页 |
| ·全文总结 | 第79-80页 |
| ·研究工作及展望 | 第80-81页 |
| 致谢 | 第81-83页 |
| 参考文献 | 第83-86页 |
