| 中文摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 课题研究的目的与意义 | 第10-11页 |
| 1.2 国内外同类课题研究现状及发展趋势 | 第11-14页 |
| 1.3 论文的主要工作内容及结构安排 | 第14-16页 |
| 第2章 障碍自动识别系统总体结构与硬件平台构建 | 第16-21页 |
| 2.1 系统需求分析 | 第16页 |
| 2.2 系统硬件总体方案 | 第16-20页 |
| 2.2.1 主控板与核心板模块 | 第17-18页 |
| 2.2.2 L293D直流电机驱动模块 | 第18-19页 |
| 2.2.3 图像采集模块 | 第19-20页 |
| 2.2.4 系统供电模块 | 第20页 |
| 2.3 本章小结 | 第20-21页 |
| 第3章 障碍自动识别系统软件平台构建 | 第21-32页 |
| 3.1 嵌入式Linux操作系统概述 | 第21页 |
| 3.2 系统开发环境搭建 | 第21-26页 |
| 3.2.1 嵌入式交叉编译环境构建 | 第21-22页 |
| 3.2.2 Bootloader的移植 | 第22-23页 |
| 3.2.3 Linux内核以及文件系统的制作与移植 | 第23-26页 |
| 3.3 OpenCV移植 | 第26-28页 |
| 3.3.1 OpenCV介绍 | 第26-27页 |
| 3.3.2 OpenCV在ARM平台上的移植 | 第27-28页 |
| 3.4 Qt图形库的移植 | 第28-29页 |
| 3.5 设备驱动程序开发和移植 | 第29-31页 |
| 3.5.1 设备驱动程序的分类 | 第29页 |
| 3.5.2 驱动程序的加载 | 第29-30页 |
| 3.5.3 加载I/O驱动模块和摄像头驱动模块 | 第30-31页 |
| 3.6 本章小结 | 第31-32页 |
| 第4章 基于机器视觉的障碍识别技术研究 | 第32-51页 |
| 4.1 障碍自动识别方法 | 第32-35页 |
| 4.1.1 几种常见的避障控制策略 | 第32-33页 |
| 4.1.2 基于固定区域分割原理的避障算法 | 第33-35页 |
| 4.2 机器视觉的图像采集及处理 | 第35-40页 |
| 4.2.1 图像的获取和数字化 | 第35-36页 |
| 4.2.2 图像几何变换 | 第36页 |
| 4.2.3 图像预处理 | 第36-40页 |
| 4.3 障碍自动识别 | 第40-50页 |
| 4.3.1 障碍物特征参数获取 | 第41-43页 |
| 4.3.2 基于图像分割思想的多个障碍物处理 | 第43-49页 |
| 4.3.3 障碍物区域确定 | 第49-50页 |
| 4.4 本章小结 | 第50-51页 |
| 第5章 基于ARM车辆的运动控制仿真与障碍自动识别 | 第51-61页 |
| 5.1 车辆运动控制的实现 | 第51-54页 |
| 5.1.1 运动控制模块 | 第51-53页 |
| 5.1.2 电机调速控制方法 | 第53-54页 |
| 5.2 ARM车辆避障轨迹设计分析 | 第54-56页 |
| 5.2.1 避障流程设计 | 第54-55页 |
| 5.2.2 避障过程及避障后轨迹的回归 | 第55-56页 |
| 5.3 基于ARM的车辆障碍自动识别实物实验 | 第56-60页 |
| 5.4 本章小结 | 第60-61页 |
| 结论 | 第61-63页 |
| 参考文献 | 第63-70页 |
| 致谢 | 第70页 |