摘要 | 第3-4页 |
ABSTRACT | 第4页 |
1 绪论 | 第9-13页 |
1.1 选题背景及意义 | 第9-10页 |
1.1.1 研究背景 | 第9页 |
1.1.2 选题意义 | 第9-10页 |
1.2 课题研究现状 | 第10-12页 |
1.2.1 深度信息获取研究现状 | 第10页 |
1.2.2 深度图像去噪算法研究现状 | 第10-11页 |
1.2.3 避障技术研究现状 | 第11-12页 |
1.3 论文结构及技术路线 | 第12-13页 |
2 系统软件及硬件平台 | 第13-18页 |
2.1 系统软件平台 | 第13-15页 |
2.1.1 VS2010软件平台简介 | 第13页 |
2.1.2 Kinect for Windows SDK简介 | 第13-14页 |
2.1.3 Kinect Fushion SDK简介 | 第14-15页 |
2.2 系统硬件平台 | 第15-17页 |
2.2.1 Kinect简介 | 第15-16页 |
2.2.2 Kinect工作原理 | 第16-17页 |
2.3 本章小结 | 第17-18页 |
3 小车自主行驶系统设计方案 | 第18-22页 |
3.1 系统总体设计方案 | 第18-19页 |
3.2 各模块设计方案 | 第19-21页 |
3.2.1 数据采集处理模块设计方案 | 第19-20页 |
3.2.2 三维重建模块设计方案 | 第20-21页 |
3.2.3 小车自主行驶模块设计方案 | 第21页 |
3.3 本章小结 | 第21-22页 |
4 Kinect三维数据采集与处理 | 第22-41页 |
4.1 Kinect三维数据的采集与预处理 | 第22-27页 |
4.1.1 深度数据的采集 | 第22-24页 |
4.1.2 Kinect图像坐标和真实世界坐标转换 | 第24-26页 |
4.1.3 深度图像与彩色图像对齐 | 第26-27页 |
4.2 Kinect深度数据噪声来源 | 第27-29页 |
4.2.1 Kinect设备 | 第27-28页 |
4.2.2 测量环境 | 第28页 |
4.2.3 待测物体表面特性 | 第28-29页 |
4.3 Kinect深度图像去噪滤波处理 | 第29-38页 |
4.3.1 图像去噪概述 | 第29页 |
4.3.2 均值滤波 | 第29-30页 |
4.3.3 中值滤波 | 第30-31页 |
4.3.4 高斯滤波 | 第31-32页 |
4.3.5 双边滤波 | 第32-34页 |
4.3.6 联合双边滤波 | 第34-36页 |
4.3.7 图像去噪效果对比 | 第36-38页 |
4.4 图像分割 | 第38-40页 |
4.5 本章小结 | 第40-41页 |
5 小车自主行驶系统的实现 | 第41-53页 |
5.1 三维重建模块功能实现 | 第41-42页 |
5.2 小车自主行驶模块功能实现 | 第42-50页 |
5.2.1 小车自主行驶模块功能划分 | 第42-43页 |
5.2.2 障碍物检测功能的实现 | 第43-46页 |
5.2.3 连续避障功能的实现 | 第46-49页 |
5.2.4 路径规划功能的实现 | 第49-50页 |
5.3 函数封装 | 第50-52页 |
5.4 本章小结 | 第52-53页 |
6 系统测试 | 第53-59页 |
6.1 测试环境 | 第53页 |
6.1.1 硬件配置 | 第53页 |
6.1.2 软件测试环境 | 第53页 |
6.2 总体测试及各模块测试 | 第53-58页 |
6.2.1 总体测试 | 第53-55页 |
6.2.2 三维重建模块测试 | 第55-57页 |
6.2.3 小车自主行驶模块测试 | 第57-58页 |
6.2.4 控制模块,信息提示模块以及语音导航模块测试 | 第58页 |
6.3 本章小结 | 第58-59页 |
7 总结与展望 | 第59-61页 |
7.1 总结 | 第59页 |
7.2 展望 | 第59-61页 |
致谢 | 第61-62页 |
参考文献 | 第62-66页 |
附录 | 第66页 |