基于多传感器融合的机器人目标物标定
| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 1 绪论 | 第10-22页 |
| 1.1 研究背景及意义 | 第10-12页 |
| 1.2 国内外研究现状 | 第12-20页 |
| 1.2.1 网络监控系统 | 第12-13页 |
| 1.2.2 基于视觉传感器的目标识别 | 第13-15页 |
| 1.2.3 移动机器人的避障 | 第15-16页 |
| 1.2.4 多传感器信息融合 | 第16-20页 |
| 1.3 论文主要研究内容 | 第20页 |
| 1.4 章节安排 | 第20-22页 |
| 2 网络监控系统设计 | 第22-33页 |
| 2.1 引言 | 第22页 |
| 2.2 监控系统环境搭建 | 第22-25页 |
| 2.2.1 系统的软硬件实现环境 | 第22页 |
| 2.2.2 监控系统的安装与配置 | 第22-25页 |
| 2.3 数据采集方式 | 第25-26页 |
| 2.3.1 基于C/S模式的数据采集 | 第25页 |
| 2.3.2 基于SNMP模式的数据采集 | 第25-26页 |
| 2.4 数据存储模块 | 第26-29页 |
| 2.5 监控创建 | 第29-32页 |
| 2.5.1 创建监控主机 | 第29-30页 |
| 2.5.2 创建监控主机 | 第30页 |
| 2.5.3 监控数据显示 | 第30-32页 |
| 2.6 本章小结 | 第32-33页 |
| 3 机器人运动控制 | 第33-44页 |
| 3.1 引言 | 第33页 |
| 3.2 Khepera IV机器人 | 第33-34页 |
| 3.3 运动控制及其编程实现 | 第34-37页 |
| 3.3.1 机器人运动模型 | 第34-35页 |
| 3.3.2 机器人运动控制 | 第35-37页 |
| 3.4 机器人的避障 | 第37-43页 |
| 3.5 本章小结 | 第43-44页 |
| 4 目标识别 | 第44-54页 |
| 4.1 引言 | 第44页 |
| 4.2 基于HOG+SVM的目标学习 | 第44-47页 |
| 4.2.1 HOG特征向量 | 第45-47页 |
| 4.2.2 支持向量机分类器 | 第47页 |
| 4.3 基于图像预处理及HOG+SVM的目标识别 | 第47-53页 |
| 4.3.1 图像去阴影 | 第48-49页 |
| 4.3.2 图像的腐蚀与膨胀 | 第49-50页 |
| 4.3.3 边缘检测及霍夫变换 | 第50-52页 |
| 4.3.4 在复杂环境中目标识别的结果与分析 | 第52-53页 |
| 4.4 本章小结 | 第53-54页 |
| 5 目标标定系统设计与实验 | 第54-61页 |
| 5.1 引言 | 第54页 |
| 5.2 系统总体设计 | 第54-57页 |
| 5.2.1 机器人监控系统 | 第55-56页 |
| 5.2.2 机器人开发流程 | 第56-57页 |
| 5.2.3 图像处理流程 | 第57页 |
| 5.3 目标标定实验 | 第57-60页 |
| 5.4 本章小结 | 第60-61页 |
| 6 总结与展望 | 第61-63页 |
| 6.1 总结 | 第61页 |
| 6.2 展望 | 第61-63页 |
| 参考文献 | 第63-68页 |
| 攻读学位期间的研究成果 | 第68-69页 |
| 致谢 | 第69-70页 |
| 附录 | 第70-84页 |
