基于局部二维图的动态视觉避障研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第11-23页 |
| 1.1 课题背景及研究意义 | 第11页 |
| 1.2 国内外研究现状 | 第11-21页 |
| 1.2.1 移动机器人研究现状 | 第12页 |
| 1.2.2 障碍物检测传感器研究现状 | 第12-17页 |
| 1.2.3 运动物体检测研究现状 | 第17-19页 |
| 1.2.4 移动机器人避障算法研究现状 | 第19-21页 |
| 1.3 论文主要研究内容 | 第21-23页 |
| 第二章 图像与点云数据预处理 | 第23-37页 |
| 2.1 彩色图和深度图校正 | 第23-29页 |
| 2.1.1 摄像机相关坐标系 | 第23-24页 |
| 2.1.2 摄像机成像模型 | 第24-29页 |
| 2.2 点云预处理 | 第29-36页 |
| 2.2.1 深度图转化为点云 | 第29-30页 |
| 2.2.2 点云存储结构 | 第30-32页 |
| 2.2.3 点云降采样 | 第32-33页 |
| 2.2.4 点云去噪 | 第33-36页 |
| 2.3 本章小结 | 第36-37页 |
| 第三章 障碍物检测 | 第37-55页 |
| 3.1 静态障碍物检测 | 第37-40页 |
| 3.1.1 Ransac检测地平面 | 第37-39页 |
| 3.1.2 小物体和悬挂障碍物检测 | 第39-40页 |
| 3.2 动态障碍物检测 | 第40-53页 |
| 3.2.1 摄像机运动域与光流域 | 第40-41页 |
| 3.2.2 Lucas-Kanade方法求取光流 | 第41-43页 |
| 3.2.3 离群光流去除 | 第43-45页 |
| 3.2.4 光流聚类 | 第45-46页 |
| 3.2.5 光流聚类 | 第46-49页 |
| 3.2.6 光流法动态障碍物检测 | 第49-53页 |
| 3.3 本章小结 | 第53-55页 |
| 第四章 代价地图生成和动态窗口法避障设计 | 第55-63页 |
| 4.1 代价地图 | 第55-57页 |
| 4.1.1 局部避障坐标系到代价地图坐标系映射 | 第55-56页 |
| 4.1.2 代价地图简介 | 第56-57页 |
| 4.2 动态窗口法 | 第57-62页 |
| 4.2.1 移动机器人轨迹模型 | 第58页 |
| 4.2.2 动态窗口法简介 | 第58-60页 |
| 4.2.3 动态障碍物层 | 第60-62页 |
| 4.3 本章小结 | 第62-63页 |
| 第五章 实验验证 | 第63-77页 |
| 5.1 ROS机器人操作系统 | 第63页 |
| 5.2 系统结构 | 第63-67页 |
| 5.2.1 硬件结构 | 第63-64页 |
| 5.2.2 软件结构 | 第64-67页 |
| 5.3 实验设计与结果分析 | 第67-76页 |
| 5.3.1 静止障碍物检测 | 第67-69页 |
| 5.3.2 运动障碍物检测 | 第69-74页 |
| 5.3.3 静态和运动障碍物避障 | 第74-76页 |
| 5.4 本章小结 | 第76-77页 |
| 第六章 总结和展望 | 第77-79页 |
| 参考文献 | 第79-83页 |
| 攻读硕士学位期间发表的学术论文 | 第83-85页 |
| 致谢 | 第85页 |
