多传感器信息融合技术在智能机器人上的应用
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 第1章 绪论 | 第10-17页 |
| ·课题背景及意义 | 第10-12页 |
| ·课题背景 | 第10-11页 |
| ·论文研究的意义 | 第11-12页 |
| ·相关技术的发展现状 | 第12-15页 |
| ·信息融合技术研究现状 | 第12-13页 |
| ·神经网络研究现状 | 第13-14页 |
| ·智能机器人研究现状 | 第14页 |
| ·物体识别的研究现状 | 第14-15页 |
| ·论文研究的主要内容及结构安排 | 第15-17页 |
| ·本文研究内容 | 第15-16页 |
| ·本文结构安排 | 第16-17页 |
| 第2章 多传感器信息融合概述 | 第17-29页 |
| ·多传感器信息融合的定义 | 第17-18页 |
| ·多传感器信息融合的基本原理 | 第18-19页 |
| ·多传感器信息融合的特点 | 第19页 |
| ·多传感器信息融合的系统结构 | 第19-23页 |
| ·多传感器信息融合的层次结构 | 第20-21页 |
| ·多传感器信息融合的拓扑结构 | 第21-23页 |
| ·多传感器信息融合的方法 | 第23-27页 |
| ·多传感器信息融合方法分类 | 第23-26页 |
| ·神经网络方法在信息融合中的应用 | 第26-27页 |
| ·信息融合的关键问题和研究方向 | 第27-28页 |
| ·信息融合的关键问题 | 第27-28页 |
| ·信息融合的研究方向 | 第28页 |
| ·本章小结 | 第28-29页 |
| 第3章 基于多传感器信息融合的物体识别系统的设计 | 第29-36页 |
| ·系统总体功能划分 | 第29-31页 |
| ·系统结构设计 | 第31-33页 |
| ·传感器的选择 | 第31-32页 |
| ·系统的层次结构 | 第32-33页 |
| ·系统的拓扑结构 | 第33页 |
| ·系统的工作流程 | 第33-34页 |
| ·本章小结 | 第34-36页 |
| 第4章 基于神经网络的物体识别系统输入信息的研究 | 第36-45页 |
| ·视觉传感器输出信息的研究 | 第36-41页 |
| ·图像的预处理 | 第36-39页 |
| ·图像特征的选择 | 第39-40页 |
| ·特征值的计算 | 第40-41页 |
| ·触觉传感器输出信息的研究 | 第41-43页 |
| ·压电式触觉传感器原理 | 第41-42页 |
| ·触觉特征信号的提取 | 第42页 |
| ·触觉特征信号的输出 | 第42-43页 |
| ·特征值的归一化 | 第43-44页 |
| ·本章小结 | 第44-45页 |
| 第5章 神经网络识别器的设计与实现 | 第45-61页 |
| ·神经网络的选择 | 第45-47页 |
| ·BP 网络识别器的设计 | 第47-57页 |
| ·BP 网络中参数的选择 | 第48-50页 |
| ·BP 网络学习算法分析 | 第50-55页 |
| ·BP 网络学习算法的改进 | 第55-57页 |
| ·BP 网络识别器关键部分的实现 | 第57-60页 |
| ·BP 网络采用的数据结构 | 第57-58页 |
| ·BP 网络的训练函数 | 第58-60页 |
| ·本章小结 | 第60-61页 |
| 第6章 物体识别系统在湖面清扫机器人上的应用 | 第61-67页 |
| ·特征值的提取与处理 | 第61-62页 |
| ·神经网络识别器的构建与识别 | 第62-63页 |
| ·物体识别系统的界面设计 | 第63-66页 |
| ·本章小结 | 第66-67页 |
| 结论 | 第67-69页 |
| 工作总结 | 第67-68页 |
| 下一步工作与展望 | 第68-69页 |
| 参考文献 | 第69-72页 |
| 攻读硕士学位期间发表的论文及所取得的科研成果 | 第72-73页 |
| 致谢 | 第73页 |
