基于激光雷达的农业移动机器人果树干检测和导航研究
| 摘要 | 第6-7页 |
| ABSTRACT | 第7-8页 |
| 第一章 绪论 | 第9-21页 |
| 1.1 选题背景及依据 | 第9-10页 |
| 1.2 果树检测识别研究现状 | 第10-13页 |
| 1.2.1 国外果树检测识别研究现状 | 第10-12页 |
| 1.2.2 国内果树识别研究现状 | 第12-13页 |
| 1.3 农业移动机器人导航国内外研究现状 | 第13-17页 |
| 1.3.1 国外农业移动机器人导航研究现状 | 第13-16页 |
| 1.3.2 国内农业移动机器人导航研究现状 | 第16-17页 |
| 1.4 研究内容 | 第17-18页 |
| 1.5 论文介绍 | 第18-21页 |
| 第二章 农业移动机器人硬件系统 | 第21-31页 |
| 2.1 概述 | 第21页 |
| 2.2 激光雷达简介 | 第21-23页 |
| 2.2.1 激光雷达工作原理 | 第21-22页 |
| 2.2.2 LMS 511主要技术参数介绍 | 第22-23页 |
| 2.3 LMS511连接通信 | 第23-24页 |
| 2.3.1 串口连接通信 | 第23页 |
| 2.3.2 以太网连接通信 | 第23-24页 |
| 2.4 LMS 511与PC机通信 | 第24-26页 |
| 2.4.1 套接字技术简介 | 第24页 |
| 2.4.2 LMS 511与PC通信机制 | 第24-26页 |
| 2.5 激光雷达数据提取翻译和处理 | 第26-27页 |
| 2.5.1 PC与激光雷达的数据交流 | 第26-27页 |
| 2.5.2 扫描数据提取转化 | 第27页 |
| 2.6 激光雷达扫描模型 | 第27-29页 |
| 2.7 轮式农业移动机器人平台简介 | 第29-30页 |
| 2.8 本章小结 | 第30-31页 |
| 第三章 基于数据聚类的果树检测识别 | 第31-51页 |
| 3.1 概述 | 第31页 |
| 3.2 数据点云聚类方法简介 | 第31-32页 |
| 3.3 DBSCAN聚类原理简述 | 第32页 |
| 3.4 改进的DBSCAN聚类算法 | 第32-34页 |
| 3.4.1 激光雷达数据滤波 | 第32-33页 |
| 3.4.2 激光雷达数据聚类 | 第33-34页 |
| 3.5 数据类别分析和初步判定 | 第34-35页 |
| 3.6 待定类类别判定 | 第35-42页 |
| 3.7 试验结果与分析 | 第42-50页 |
| 3.7.1 江浦梨园实验 | 第42-43页 |
| 3.7.2 校园风景树行试验 | 第43-50页 |
| 3.8 本章小结 | 第50-51页 |
| 第四章 基于树干检测的农业移动机器人导航 | 第51-75页 |
| 4.1 概述 | 第51页 |
| 4.2 农业移动机器人果园导航路径提取 | 第51-53页 |
| 4.3 农业移动机器人运动学分析 | 第53-55页 |
| 4.3.1 农业移动机器人运动学分析 | 第53-54页 |
| 4.3.2 农业机器人位姿里程计航位推算模型 | 第54-55页 |
| 4.4 轮式移动机器人导航控制参数的提取 | 第55-56页 |
| 4.5 农业移动机器人转向左右轮速度分配 | 第56-57页 |
| 4.6 农业机器人导航实验设计及结果分析 | 第57-74页 |
| 4.6.1 实验设计 | 第57-59页 |
| 4.6.2 试验结果分析 | 第59-74页 |
| 4.7 本章小结 | 第74-75页 |
| 第五章 结论与研究建议 | 第75-77页 |
| 5.1 研究结论 | 第75页 |
| 5.2 主要创新点 | 第75-76页 |
| 5.3 研究建议 | 第76-77页 |
| 参考文献 | 第77-83页 |
| 致谢 | 第83-85页 |
| 攻读硕士学位期间发表的论文 | 第85页 |
