| 摘要 | 第4-6页 |
| ABSTRACT | 第6-8页 |
| 第一章 绪论 | 第12-22页 |
| 1.1 课题的研究意义 | 第12-14页 |
| 1.1.1 移动机器人的研究意义 | 第12-13页 |
| 1.1.2 移动机器人在智能物流中的应用 | 第13-14页 |
| 1.2 国内外研究现状 | 第14-19页 |
| 1.2.1 移动机器人的国内外研究现状 | 第14-16页 |
| 1.2.2 障碍物检测的国内外研究现状 | 第16-17页 |
| 1.2.3 移动机器人避障方法的国内外研究现状 | 第17-19页 |
| 1.3 本章小结 | 第19页 |
| 1.4 本文的主要研究内容 | 第19-20页 |
| 1.5 论文章节安排 | 第20-22页 |
| 第二章 基于3D深度测量技术的移动机器人模型及避障方案 | 第22-33页 |
| 2.1 引言 | 第22页 |
| 2.2 移动机器人系统模型的建立 | 第22-26页 |
| 2.2.1 传感器观测模型 | 第22-24页 |
| 2.2.2 移动机器人坐标系统模型 | 第24-25页 |
| 2.2.3 移动机器人运动模型 | 第25-26页 |
| 2.3 移动机器人避障理论研究 | 第26-32页 |
| 2.3.1 移动机器人避障技术 | 第27-30页 |
| 2.3.2 移动机器人避障方案 | 第30-32页 |
| 2.4 本章小结 | 第32-33页 |
| 第三章 基于深度摄像头的障碍物检测的新方法 | 第33-57页 |
| 3.1 引言 | 第33页 |
| 3.2 深度摄像头处理技术 | 第33-41页 |
| 3.2.1 华硕Xtion PRO LIVE深度相机的标定 | 第34-40页 |
| 3.2.2 深度图像和RGB图像的配准 | 第40-41页 |
| 3.3 深度摄像头距离测量原理 | 第41-42页 |
| 3.4 深度摄像头像素点选择 | 第42页 |
| 3.5 图像预处理 | 第42-49页 |
| 3.5.1 滤波处理 | 第42-44页 |
| 3.5.2 双边滤波处理算法 | 第44-45页 |
| 3.5.3 改进双边滤波处理算法 | 第45-46页 |
| 3.5.4 双边滤波算法改进前后对比实验 | 第46页 |
| 3.5.5 Meanshift图像分割原理 | 第46-48页 |
| 3.5.6 Meanshift图像分割算法的实现 | 第48-49页 |
| 3.6 背景差分法 | 第49-50页 |
| 3.7 障碍物检测算法 | 第50-52页 |
| 3.8 障碍物检测方法实验验证 | 第52-56页 |
| 3.9 本章小结 | 第56-57页 |
| 第四章 改进的分层遗传-蚁群的避障算法 | 第57-70页 |
| 4.1 引言 | 第57页 |
| 4.2 基于移动机器人视觉的避障策略 | 第57-58页 |
| 4.3 基于遗传算法的避障方法 | 第58-61页 |
| 4.4 基于蚁群算法的避障方法 | 第61-62页 |
| 4.5 分层遗传-蚁群算法的避障算法 | 第62-65页 |
| 4.5.1 分层遗传-蚁群算法的流程图 | 第63-64页 |
| 4.5.2 分层遗传-蚁群算法基本步骤 | 第64-65页 |
| 4.6 算法仿真与对比实验 | 第65-69页 |
| 4.7 本章小结 | 第69-70页 |
| 第五章 实验验证与分析 | 第70-82页 |
| 5.1 引言 | 第70页 |
| 5.2 实验平台介绍 | 第70-75页 |
| 5.2.1 Robot-BX硬件平台 | 第70-72页 |
| 5.2.2 Robot-BX软件系统 | 第72-75页 |
| 5.3 基于深度摄像头的障碍物检测实验验证 | 第75-78页 |
| 5.3.1 敏感区域外障碍物过滤实验 | 第75-77页 |
| 5.3.2 多个障碍物检测实验 | 第77-78页 |
| 5.4 基于深度摄像头的避障实验验证 | 第78-81页 |
| 5.4.1 一般情况下避障 | 第78-80页 |
| 5.4.2 紧急情况下避障 | 第80-81页 |
| 5.5 本章小结 | 第81-82页 |
| 第六章 总结与展望 | 第82-84页 |
| 6.1 总结 | 第82-83页 |
| 6.2 展望 | 第83-84页 |
| 参考文献 | 第84-89页 |
| 致谢 | 第89页 |