基于数据融合的移动机器人行为决策与方法研究
| 摘要 | 第2-4页 |
| Abstract | 第4-5页 |
| 第一章 绪论 | 第8-14页 |
| 1.1 引言 | 第8页 |
| 1.2 论文研究的背景及意义 | 第8-9页 |
| 1.3 国内外的研究现状和分析 | 第9-12页 |
| 1.3.1 移动机器人研究现状 | 第9-11页 |
| 1.3.2 数据融合发展现状 | 第11-12页 |
| 1.4 本文的工作内容及论文结构安排 | 第12-14页 |
| 1.4.1 本论文所做的工作 | 第12-13页 |
| 1.4.2 论文结构安排 | 第13-14页 |
| 第二章 知识驱动下的数据融合方法 | 第14-21页 |
| 2.1 引言 | 第14页 |
| 2.2 多源信息 | 第14-16页 |
| 2.3 数据融合算法 | 第16-17页 |
| 2.4 知识驱动下数据融合 | 第17-20页 |
| 2.4.1 知识表示 | 第17-19页 |
| 2.4.2 知识驱动下数据融合算法 | 第19-20页 |
| 2.5 本章小结 | 第20-21页 |
| 第三章 基于Petri网的数据融合模型 | 第21-29页 |
| 3.1 引言 | 第21页 |
| 3.2 基本Petri网介绍 | 第21-23页 |
| 3.2.1 Petri网定义及图形表示 | 第21-23页 |
| 3.2.2 基本Petri网分析 | 第23页 |
| 3.3 数据融合的Petri网模型 | 第23-25页 |
| 3.4 Petri网映射模型和算法 | 第25-28页 |
| 3.4.1 映射模型 | 第25-26页 |
| 3.4.2 映射算法 | 第26-27页 |
| 3.4.3 Petri网模型重用与共享 | 第27-28页 |
| 3.5 本章小结 | 第28-29页 |
| 第四章 移动机器人信息采集及行为决策 | 第29-53页 |
| 4.1 引言 | 第29页 |
| 4.2 超声波传感器测距与避障 | 第29-32页 |
| 4.2.1 超声波传感器 | 第29-30页 |
| 4.2.2 舵机模块 | 第30-31页 |
| 4.2.3 超声波测试 | 第31-32页 |
| 4.3 Kinect图像检测人体与跟踪 | 第32-39页 |
| 4.3.1 Kinect传感器 | 第33-37页 |
| 4.3.2 Kinect开发环境需求与环境配置 | 第37页 |
| 4.3.3 Kinect传感器检测人体 | 第37-39页 |
| 4.4 麦克风阵列检测声音与搜寻 | 第39-41页 |
| 4.4.1 Kinect麦克风阵列 | 第39-40页 |
| 4.4.2 Kinect声音测试 | 第40-41页 |
| 4.5 基于数据融合的移动机器人行为决策建模 | 第41-52页 |
| 4.5.1 总体模型设计 | 第41-43页 |
| 4.5.2 Petri网主网 | 第43-45页 |
| 4.5.3 Petri网子网 | 第45-52页 |
| 4.6 本章小结 | 第52-53页 |
| 第五章 移动机器人行为模型分析与验证 | 第53-63页 |
| 5.1 引言 | 第53页 |
| 5.2 移动机器人系统组成 | 第53-59页 |
| 5.2.1 系统功能设计 | 第53页 |
| 5.2.2 系统硬件设计 | 第53-55页 |
| 5.2.3 系统软件设计 | 第55-59页 |
| 5.3 自主移动机器人追踪实验验证 | 第59-62页 |
| 5.3.1 实验平台 | 第59页 |
| 5.3.2 实验结果分析 | 第59-62页 |
| 5.4 本章小结 | 第62-63页 |
| 第六章 总结与展望 | 第63-65页 |
| 6.1 论文总结 | 第63-64页 |
| 6.2 论文展望 | 第64-65页 |
| 参考文献 | 第65-69页 |
| 致谢 | 第69-70页 |
| 附录1 Kinect信息采集的部分程序 | 第70-77页 |
| 攻读硕士学位期间发表的论文 | 第77-78页 |
| 攻读硕士学位期间参加的科研项目 | 第78-80页 |
