| 摘要 | 第1-10页 |
| Abstract | 第10-13页 |
| 第一章 绪论 | 第13-19页 |
| ·课题的研究背景及意义 | 第13页 |
| ·国内外研究现状 | 第13-14页 |
| ·移动机器人的障碍物检测与避障算法研究 | 第14-16页 |
| ·传感器障碍物检测原理及方法 | 第14-15页 |
| ·移动机器人避障路径规划研究 | 第15-16页 |
| ·课题研究内容及章节安排 | 第16-19页 |
| 第二章 障碍物检测方法现状 | 第19-27页 |
| ·传统障碍物检测原理及方法 | 第19-20页 |
| ·超声传感器检测 | 第19页 |
| ·单目视觉检测 | 第19-20页 |
| ·立体视觉 | 第20页 |
| ·激光雷达传感器 | 第20页 |
| ·其他传感器及应用 | 第20页 |
| ·信息融合法 | 第20-25页 |
| ·多传感器信息融合的融合层次 | 第21-23页 |
| ·多传感器信息融合的融合结构 | 第23-24页 |
| ·多传感器信息融合的融合方法 | 第24-25页 |
| ·本章小结 | 第25-27页 |
| 第三章 机器人避障路径规划算法 | 第27-31页 |
| ·基于行为的机器人避障路径规划 | 第27-28页 |
| ·基于模糊逻辑的算法 | 第28-29页 |
| ·人工势场法 | 第29页 |
| ·其他算法 | 第29-30页 |
| ·本章小结 | 第30-31页 |
| 第四章 移动机器人的体系结构与软件架构 | 第31-39页 |
| ·Voyager-IIA 机器人体系结构 | 第31-33页 |
| ·机器人的驱动控制系统 | 第32页 |
| ·机器人的决策系统与通信系统 | 第32-33页 |
| ·机器人的障碍物探测系统 | 第33-36页 |
| ·视觉传感器 | 第34页 |
| ·超声传感器 | 第34-35页 |
| ·红外传感器 | 第35-36页 |
| ·机器人软件系统结构 | 第36-38页 |
| ·硬件通讯层 | 第36-37页 |
| ·指令协议解析层 | 第37-38页 |
| ·行为层 | 第38页 |
| ·决策层 | 第38页 |
| ·本章小结 | 第38-39页 |
| 第五章 障碍物检测与避障算法实施 | 第39-63页 |
| ·基于图像信息熵的障碍物检测定位研究 | 第39-44页 |
| ·图像预处理 | 第39-40页 |
| ·基于图像信息熵的障碍物检测与粗定位 | 第40-42页 |
| ·障碍物在图像中的精确定位 | 第42页 |
| ·基于距离图像的障碍物定位 | 第42-44页 |
| ·基于多传感器融合的障碍物检测定位 | 第44-47页 |
| ·超声传感器数据的获取与融合处理 | 第44-45页 |
| ·决策层数据融合 | 第45-46页 |
| ·障碍物斥力点的选取 | 第46-47页 |
| ·多传感器融合的其他应用 | 第47页 |
| ·基于行为的机器人路径规划设计 | 第47-52页 |
| ·行为单元分类 | 第48页 |
| ·各行为单元的仲裁机制 | 第48-50页 |
| ·各个行为控制设计 | 第50-52页 |
| ·基于改进人工势场法的局部路径规划 | 第52-62页 |
| ·经典人工势场法 | 第52-55页 |
| ·经典人工势场法在避障路径规划应用中存在的问题及解决方案 | 第55-59页 |
| ·解死锁行为 | 第59-62页 |
| ·本章小结 | 第62-63页 |
| 第六章 实验结果及分析 | 第63-71页 |
| ·图像预处理结果 | 第63-64页 |
| ·视觉障碍物检测与定位结果 | 第64-66页 |
| ·图像平均信息熵统计结果 | 第64-65页 |
| ·障碍物边缘定位结果 | 第65页 |
| ·距离图像测距结果 | 第65-66页 |
| ·信息融合障碍物检测与定位结果 | 第66-67页 |
| ·机器人趋向目标点行为实验结果 | 第67-68页 |
| ·人工势场法的改进算法的实验结果 | 第68-69页 |
| ·本章小结 | 第69-71页 |
| 第七章 总结与展望 | 第71-73页 |
| ·总结 | 第71-72页 |
| ·展望 | 第72-73页 |
| 参考文献 | 第73-77页 |
| 致谢 | 第77-79页 |
| 附录 | 第79页 |