| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第11-21页 |
| 1.1 研究工作的背景与意义 | 第11-12页 |
| 1.2 智能移动机器人的发展现状 | 第12-14页 |
| 1.2.1 国外智能移动机器人的发展现状 | 第12-13页 |
| 1.2.2 国内智能移动机器人的发展现状 | 第13-14页 |
| 1.3 移动机器人的关键技术 | 第14-20页 |
| 1.3.1 移动机器人的路径规划技术 | 第14-18页 |
| 1.3.1.1 基于审议的路径规划技术 | 第15-17页 |
| 1.3.1.2 基于反馈的路径规划技术 | 第17-18页 |
| 1.3.2 移动机器人的机器人视觉 | 第18-20页 |
| 1.3.2.1 视觉传感器 | 第19页 |
| 1.3.2.2 三维物体表示方式 | 第19-20页 |
| 1.4 本论文的结构安排 | 第20-21页 |
| 第二章 基于势场的路径规划技术 | 第21-53页 |
| 2.1 传统势场法 | 第21-28页 |
| 2.1.1 传统势场法的基本理论 | 第21-24页 |
| 2.1.2 传统势场法的问题 | 第24-28页 |
| 2.1.2.1 局部极小值 | 第24-25页 |
| 2.1.2.2 目标不可达 | 第25-26页 |
| 2.1.2.3 陷入徘徊抖动 | 第26页 |
| 2.1.2.4 势场形状限制 | 第26-27页 |
| 2.1.2.5 动态环境下规划能力不足 | 第27-28页 |
| 2.2 改进的势场法—阴影势场法 | 第28-39页 |
| 2.2.1 动态目标的吸引势场 | 第30-31页 |
| 2.2.2 动态障碍物的排斥势场 | 第31-35页 |
| 2.2.3 “阴影”势场的建模 | 第35-38页 |
| 2.2.3.1 动态障碍物的建模—移动的“太阳” | 第35页 |
| 2.2.3.2 动态目标的建模—产生“阴影” | 第35-37页 |
| 2.2.3.3 多个动态障碍物的“阴影”势场 | 第37-38页 |
| 2.2.4 机器人控制 | 第38-39页 |
| 2.3 障碍物的阴影势场与排斥势场的对比分析 | 第39-41页 |
| 2.3.1 局部极小值 | 第40页 |
| 2.3.2 目标不可达 | 第40页 |
| 2.3.3 动态规划能力 | 第40-41页 |
| 2.4 仿真结果分析 | 第41-52页 |
| 2.4.1 动态目标的吸引势场 | 第41-43页 |
| 2.4.2 障碍物的“阴影”势场 | 第43-48页 |
| 2.4.2.1 单个动态障碍物的“阴影”势场 | 第43-46页 |
| 2.4.2.2 多个动态障碍物的“阴影”势场 | 第46-48页 |
| 2.4.3 动态场景下伴随机器人的导航 | 第48-52页 |
| 2.5 本章小结 | 第52-53页 |
| 第三章 基于KINECT的环境信息获取 | 第53-83页 |
| 3.1 KINECT介绍 | 第53-55页 |
| 3.2 点云库PCL介绍 | 第55-56页 |
| 3.3 KINECT获取环境信息 | 第56-59页 |
| 3.3.1 Kinect获取深度图 | 第56-58页 |
| 3.3.2 Kinect获取三维点云 | 第58-59页 |
| 3.4 深度图误差分析 | 第59-62页 |
| 3.4.1 Kinect镜头畸变 | 第59-60页 |
| 3.4.2 测量环境 | 第60-62页 |
| 3.4.3 被测物体的表面特性 | 第62页 |
| 3.5 深度图修复技术 | 第62-74页 |
| 3.5.1 快速双边滤波 | 第63-66页 |
| 3.5.2 利用 3D点云做平面检测修复 | 第66-74页 |
| 3.5.2.1 3D点云的高效索引方式：kd-tree | 第66-67页 |
| 3.5.2.2 点云模型的快速双边滤波器 | 第67-68页 |
| 3.5.2.3 现有平面检测算法 | 第68-70页 |
| 3.5.2.4 RANSAC算法 | 第70-72页 |
| 3.5.2.5 平面检测修复 | 第72-74页 |
| 3.6 仿真与结果分析 | 第74-82页 |
| 3.6.1 深度图获取以及小范围修复 | 第74-77页 |
| 3.6.2 点云模型获取以及快速双边滤波 | 第77-78页 |
| 3.6.3 点云模型的平面提取 | 第78-80页 |
| 3.6.4 点云模型生成深度图 | 第80-81页 |
| 3.6.5 基于点云的深度图修复 | 第81-82页 |
| 3.7 本章小结 | 第82-83页 |
| 第四章 基于KINECT的伴随机器人导航系统设计 | 第83-95页 |
| 4.1 KINECT镜头标定 | 第84-86页 |
| 4.2 点云滤波 | 第86-89页 |
| 4.2.1 下采样 | 第87-88页 |
| 4.2.2 移除离群点 | 第88-89页 |
| 4.2.3 提取平面 | 第89页 |
| 4.3 深度图修复 | 第89-90页 |
| 4.4 建立环境势场图 | 第90-91页 |
| 4.5 路径规划 | 第91-93页 |
| 4.6 本章小结 | 第93-95页 |
| 第五章 全文总结与展望 | 第95-97页 |
| 5.1 全文总结 | 第95-96页 |
| 5.2 后续工作展望 | 第96-97页 |
| 致谢 | 第97-98页 |
| 参考文献 | 第98-104页 |
| 攻读硕士学位期间取得的成果 | 第104-105页 |