AGV视觉定位系统的设计与实现
| 致谢 | 第4-5页 |
| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 1 绪论 | 第12-22页 |
| 1.1 研究背景 | 第12页 |
| 1.2 AGV的发展与应用 | 第12-14页 |
| 1.2.1 AGV的发展历史 | 第12-14页 |
| 1.2.2 AGV的应用 | 第14页 |
| 1.3 AGV系统概述 | 第14-17页 |
| 1.3.1 AGV系统架构 | 第14-15页 |
| 1.3.2 AGV导航定位技术 | 第15-17页 |
| 1.4 视觉SLAM的发展与现状 | 第17-20页 |
| 1.5 本文研究内容 | 第20-22页 |
| 2 基于人工信标的视觉SLAM算法 | 第22-33页 |
| 2.1 人工信标定位方法概述 | 第22-23页 |
| 2.2 针孔相机模型 | 第23-24页 |
| 2.3 人工信标设计及识别 | 第24-28页 |
| 2.3.1 人工信标设计 | 第24-26页 |
| 2.3.2 人工信标识别算法 | 第26-28页 |
| 2.4 人工信标视觉SLAM算法 | 第28-32页 |
| 2.4.1 参数确定和坐标系建立 | 第29-30页 |
| 2.4.2 图优化 | 第30-31页 |
| 2.4.3 定位 | 第31-32页 |
| 2.5 本章小结 | 第32-33页 |
| 3 融合人工信标的多目SLAM算法 | 第33-57页 |
| 3.1 引言 | 第33页 |
| 3.2 特征点检测 | 第33-37页 |
| 3.2.1 FAST关键点 | 第34-36页 |
| 3.2.2 BRIEF描述子 | 第36-37页 |
| 3.3 双目相机模型和双目匹配算法 | 第37-43页 |
| 3.3.1 双目相机模型 | 第37-39页 |
| 3.3.2 双目匹配算法 | 第39-43页 |
| 3.4 融合人工信标的多目SLAM算法 | 第43-56页 |
| 3.4.1 算法流程 | 第43-44页 |
| 3.4.2 基于RansacPnP的位姿解算 | 第44-49页 |
| 3.4.3 图优化 | 第49-56页 |
| 3.5 本章小结 | 第56-57页 |
| 4 AGV系统设计 | 第57-67页 |
| 4.1 AGV系统需求分析 | 第57页 |
| 4.2 AGV系统的设计与实现 | 第57-65页 |
| 4.2.1 AGV系统结构 | 第57-58页 |
| 4.2.2 车载控制系统的设计与实现 | 第58-63页 |
| 4.2.3 终端控制系统的设计与实现 | 第63-65页 |
| 4.3 系统工作方式 | 第65页 |
| 4.4 本章小结 | 第65-67页 |
| 5 实验与分析 | 第67-79页 |
| 5.1 AGV系统整体调试 | 第67-68页 |
| 5.2 人工信标SLAM算法实验与分析 | 第68-72页 |
| 5.2.1 单目相机标定 | 第68-69页 |
| 5.2.2 人工信标SLAM算法实验与分析 | 第69-72页 |
| 5.3 融合人工信标的多目SLAM算法实验与分析 | 第72-78页 |
| 5.3.1 双目相机标定与校正 | 第72-74页 |
| 5.3.2 双目里程计算法实验与分析 | 第74-76页 |
| 5.3.3 融合人工信标的多目SLAM算法实验 | 第76-78页 |
| 5.4 本章小结 | 第78-79页 |
| 6 总结与展望 | 第79-81页 |
| 6.1 总结 | 第79-80页 |
| 6.2 展望 | 第80-81页 |
| 参考文献 | 第81-86页 |
| 作者简历 | 第86页 |
