首页--工业技术论文--自动化技术、计算机技术论文--自动化技术及设备论文--机器人技术论文--机器人论文--智能机器人论文

基于多传感器的室内移动机器人环境感知关键技术研究

摘要第1-5页
Abstract第5-14页
第1章 绪论第14-31页
   ·课题研究的背景及意义第14-15页
   ·机器人环境感知技术概述第15-17页
     ·机器人环境感知内容第15-16页
     ·机器人环境感知传感器第16-17页
     ·机器人环境感知特点第17页
   ·移动机器人动态障碍跟踪及避障技术第17-21页
     ·运动物体跟踪第17-19页
     ·动态障碍物避障第19-21页
   ·机器人的碰撞感知技术第21-24页
     ·碰撞感知方式第21页
     ·基于加速度计的碰撞感知第21-22页
     ·振动信号分析第22-24页
   ·移动机器人气体环境感知技术第24-29页
     ·气体扩散、分布特点第24-26页
     ·气源搜索方法第26-27页
     ·基于气体感知的火情检测第27-29页
   ·本文的主要研究内容第29-31页
第2章 HR-I 移动机器人系统的建立第31-49页
   ·HR-I 机器人机械系统集成第31-38页
     ·模块化结构设计第31-33页
     ·三轮支撑结构优化第33-36页
     ·MEMS 传感器模块化集成第36-38页
   ·HR-I 机器人的控制体系结构第38-41页
     ·机器人控制系统设计第38-39页
     ·混合式体系结构建立第39-41页
   ·机器人的行为管理及运动控制第41-48页
     ·基于有限状态机的行为管理第41-42页
     ·基于Motor Schema 的行为融合第42-44页
     ·非完整系统运动控制第44-48页
   ·本章小结第48-49页
第3章 基于激光测距仪的障碍感知及避障研究第49-77页
   ·运动环境感知模型的建立第49-53页
     ·激光测距仪的感知模型建立第49-50页
     ·机器人坐标系统及传感器数据变换第50-51页
     ·动态极坐标图环境建模第51-53页
   ·基于激光测距仪的障碍物识别方法研究第53-58页
     ·环境扫描数据分割第53-54页
     ·障碍物特征识别第54-56页
     ·障碍物合并第56-58页
   ·基于扩展卡尔曼滤波的移动障碍跟踪第58-65页
     ·基于里程计的机器人位姿估计第58-60页
     ·激光测距仪坐标系下的目标状态更新第60-63页
     ·基于扩展卡尔曼滤波的运动目标跟踪建模第63-65页
   ·基于激光测距的避障策略研究第65-71页
     ·分层避障策略第65-68页
     ·动态避障策略第68-71页
   ·实验研究第71-76页
     ·障碍物合并实验第71页
     ·静态多障碍物避障实验第71-73页
     ·障碍跟踪及动态避障实验研究第73-76页
   ·本章小结第76-77页
第4章 基于加速度计的碰撞感知与响应第77-97页
   ·机器人静态时的碰撞感知及响应第77-86页
     ·静态碰撞信号特征分析第77-78页
     ·静态碰撞方向的确定第78-81页
     ·静态碰撞响应策略第81-84页
     ·障碍环境下机器人的碰撞响应第84-86页
   ·机器人动态时的碰撞感知及响应第86-90页
     ·机器人动态加速度信号特征分析第86-87页
     ·机器人动态碰撞信号的提取与分析第87-89页
     ·机器人动态碰撞响应策略第89-90页
   ·非平坦路面下机器人的碰撞感知第90-92页
     ·碰撞状态识别第90-91页
     ·碰撞信号提取第91-92页
   ·实验研究第92-96页
     ·静态碰撞检测方法实验研究第92-93页
     ·静态碰撞响应实验研究第93-95页
     ·动态碰撞响应实验研究第95-96页
   ·本章小结第96-97页
第5章 基于多传感器的室内危险环境探测第97-120页
   ·MEMS 气体传感器工作性能研究第97-101页
     ·气体传感器建模第97-100页
     ·传感器的感知特点第100-101页
   ·基于气体传感器和视觉的危险源搜索策略研究第101-111页
     ·室内危险环境搜索特点第101-103页
     ·危险点直接搜索策略第103-105页
     ·区域危险性的模糊推理建模第105-108页
     ·基于模糊逻辑的危险源搜索策略及仿真第108-111页
   ·HR-I 机器人火情探测研究第111-117页
     ·室内火情的模式及危险性分级第111-112页
     ·基于神经网络的火情危险分级研究第112-114页
     ·基于支持向量机的火情危险分级研究第114-117页
     ·室内火情探测第117页
   ·实验研究第117-119页
   ·本章小结第119-120页
结论第120-122页
参考文献第122-131页
攻读学位期间发表的学术论文第131-133页
致谢第133-134页
个人简历第134页

论文共134页,点击 下载论文
上一篇:基于锥光全息原理的三维测量技术研究
下一篇:基于LPV方法的Stewart平台分散控制问题研究