基于单目视觉的人形机器人避障策略研究
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-8页 |
| 目录 | 第8-10页 |
| 表格索引 | 第10-11页 |
| 插图索引 | 第11-13页 |
| 第一章 绪论 | 第13-21页 |
| ·引言 | 第13页 |
| ·人形机器人的研究背景 | 第13-14页 |
| ·人形机器人的发展历史和现状 | 第14-19页 |
| ·本文的组织结构 | 第19-21页 |
| 第二章 人形机器人Darwin-OP软硬件概述 | 第21-27页 |
| ·硬件系统 | 第21-25页 |
| ·机械结构 | 第21页 |
| ·电子系统 | 第21-25页 |
| ·软件系统 | 第25-26页 |
| ·本章小结 | 第26-27页 |
| 第三章 基于单摄像头的障碍物识别 | 第27-37页 |
| ·引言 | 第27页 |
| ·数字图像处理基础 | 第27-32页 |
| ·RGB和HSI颜色模型 | 第27-29页 |
| ·平滑空间滤波器 | 第29页 |
| ·图像二值化 | 第29-30页 |
| ·形态学处理 | 第30-32页 |
| ·障碍物识别过程详述 | 第32-34页 |
| ·样本的采集 | 第32-33页 |
| ·基于区域增长的图像分割 | 第33-34页 |
| ·确定障碍物区域 | 第34页 |
| ·实验结果及分析 | 第34-35页 |
| ·本章小结 | 第35-37页 |
| 第四章 基于单摄像头的障碍物定位 | 第37-59页 |
| ·引言 | 第37页 |
| ·摄像头模型 | 第37-38页 |
| ·改进的Harris角点检测算法 | 第38-44页 |
| ·角点检测简介 | 第38-39页 |
| ·Harris角点检测算法及其改进 | 第39-42页 |
| ·改进的Harris算法性能分析及实验结果 | 第42-44页 |
| ·基于MF-SVM算法的摄像头标定 | 第44-52页 |
| ·MF-SVM算法的基本理论 | 第44-51页 |
| ·摄像头模型的基本回归关系及其优化 | 第51-52页 |
| ·实验结果及分析 | 第52-56页 |
| ·基于MATLAB工具箱的摄像头标定 | 第52-55页 |
| ·基于MF-SVM的标定结果 | 第55-56页 |
| ·本章小结 | 第56-59页 |
| 第五章 人形机器人的路径规划 | 第59-67页 |
| ·前言 | 第59-60页 |
| ·模糊控制理论 | 第60-61页 |
| ·基于模糊逻辑的树形路径规划算法 | 第61-63页 |
| ·生成探测点 | 第61-62页 |
| ·确定最优临时目标点 | 第62-63页 |
| ·模糊逻辑控制器 | 第63页 |
| ·实验结果及分析 | 第63-64页 |
| ·本章小结 | 第64-67页 |
| 第六章 总结与展望 | 第67-69页 |
| ·本文工作总结 | 第67-68页 |
| ·未来工作展望 | 第68-69页 |
| 参考文献 | 第69-73页 |
| 致谢 | 第73-75页 |
| 在读期间发表的学术论文与取得的研究成果 | 第75页 |
