基于Kinect深度信息的移动机器人导航研究
| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第1章 绪论 | 第10-15页 |
| ·引言 | 第10-11页 |
| ·移动机器人应用背景 | 第11-13页 |
| ·移动机器人的关键技术 | 第13-14页 |
| ·移动机器人的导航 | 第13页 |
| ·同时定位与地图创建 | 第13-14页 |
| ·路径规划 | 第14页 |
| ·课题的研究内容和意义 | 第14-15页 |
| 第2章 移动机器人导航技术研究现状 | 第15-23页 |
| ·移动机器人的自定位 | 第15-16页 |
| ·环境地图的创建 | 第16-18页 |
| ·路径规划 | 第18-19页 |
| ·Kinect导航优势 | 第19-22页 |
| ·本章小结 | 第22-23页 |
| 第3章 基于Kinect的SLAM方法研究 | 第23-48页 |
| ·Kinect的技术原理与特点 | 第23-25页 |
| ·Kinect技术特点 | 第23-24页 |
| ·光编码技术 | 第24-25页 |
| ·深度信息获取与利用 | 第25-28页 |
| ·深度图像的概念 | 第25页 |
| ·深度成像过程 | 第25-27页 |
| ·深度点云数据获取 | 第27-28页 |
| ·深度数据的三维重建 | 第28页 |
| ·SLAM算法分析 | 第28-35页 |
| ·基于Kinect的SLAM方法 | 第28-30页 |
| ·SLAM的通用构架 | 第30-33页 |
| ·常用SLAM算法及分析 | 第33-35页 |
| ·本文SLAM方法选择 | 第35页 |
| ·Gmapping实现过程 | 第35-46页 |
| ·蒙特卡罗粒子滤波 | 第36-37页 |
| ·深度点云提取 | 第37-38页 |
| ·基于里程计的运动学模型 | 第38-41页 |
| ·基于SIFT的特征点检测 | 第41-45页 |
| ·基于SIFT的特征点匹配 | 第45-46页 |
| ·本章小结 | 第46-48页 |
| 第4章 移动机器人的避障与路径规划研究 | 第48-68页 |
| ·移动机器人的避障处理 | 第48-58页 |
| ·基于深度范围的障碍物识别 | 第48-51页 |
| ·避障机制设置 | 第51-53页 |
| ·人工势场法避障 | 第53-55页 |
| ·局部地图更新 | 第55-57页 |
| ·障碍物识别测试 | 第57-58页 |
| ·路径规划算法研究 | 第58-63页 |
| ·引言 | 第58-60页 |
| ·启发式A~*算法 | 第60-61页 |
| ·深度和广度优先算法路径规划 | 第61-62页 |
| ·Dijkstra算法路径规划 | 第62-63页 |
| ·节点搜索仿真 | 第63-66页 |
| ·避障和路径规划仿真 | 第66-67页 |
| ·本章小结 | 第67-68页 |
| 第5章 实验结果分析 | 第68-81页 |
| ·实验平台简介 | 第68-69页 |
| ·特征点检测和匹配实验 | 第69-72页 |
| ·特征点检测实验 | 第69-70页 |
| ·特征点匹配实验 | 第70-72页 |
| ·定位和制图实验 | 第72-76页 |
| ·导航实验 | 第76-81页 |
| ·同步运动实验 | 第76-77页 |
| ·避障导航实验 | 第77-81页 |
| 第6章 总结与展望 | 第81-83页 |
| ·全文总结 | 第81页 |
| ·研究展望 | 第81-83页 |
| 参考文献 | 第83-88页 |
| 致谢 | 第88-89页 |
| 攻读硕士期间科研成果 | 第89页 |
