基于神经网络的轮式小车系统的模式识别研究
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-8页 |
| 1 绪论 | 第8-13页 |
| ·研究现状与意义 | 第8-9页 |
| ·本文研究背景 | 第9-10页 |
| ·图像处理 | 第9-10页 |
| ·模式识别 | 第10页 |
| ·ART神经网络 | 第10页 |
| ·本文的研究内容与结构 | 第10-13页 |
| ·本课题的研究内容 | 第10-12页 |
| ·本文的研究结构 | 第12-13页 |
| 2 轮式小车整体架构 | 第13-30页 |
| ·轮式小车整体架构 | 第13-14页 |
| ·硬件构成 | 第14-23页 |
| ·PWM调速电机模块 | 第14-15页 |
| ·灰度传感器模块 | 第15-16页 |
| ·外避障传感器模块 | 第16页 |
| ·电动推杆模块 | 第16-17页 |
| ·红外远程控制模块 | 第17页 |
| ·五自由度机械手 | 第17-19页 |
| ·视频摄像头 | 第19-20页 |
| ·STC89C52单片机 | 第20-21页 |
| ·飞思卡尔9S12XS128单片机 | 第21页 |
| ·5V电源降压稳压电路 | 第21-22页 |
| ·升压电路 | 第22-23页 |
| ·电机驱动电路 | 第23页 |
| ·控制策略 | 第23-30页 |
| ·循迹 | 第23-26页 |
| ·外避障 | 第26-27页 |
| ·红外远程遥控 | 第27-28页 |
| ·五自由度机械手的动作策略 | 第28-30页 |
| 3 数字图像处理 | 第30-40页 |
| ·数字图像处理定义 | 第30-32页 |
| ·计算机视觉 | 第32-33页 |
| ·OpenCV | 第33-34页 |
| ·图像处理实验与结果 | 第34-40页 |
| 4 利用ART神经网络进行模式识别 | 第40-56页 |
| ·人工神经网络简介 | 第40-42页 |
| ·人工神经网络的特点 | 第42-44页 |
| ·人工神经网络的应用 | 第44-45页 |
| ·人工神经网络的工作方式 | 第45-47页 |
| ·自适应共振理论ART | 第47-52页 |
| ·图像的不变矩特征 | 第52-54页 |
| ·模式识别实验与结果 | 第54-56页 |
| 5 实验阶段 | 第56-66页 |
| ·实验条件 | 第56页 |
| ·抓取目标字母实物的实验步骤 | 第56-66页 |
| 6 结论 | 第66-67页 |
| 7 展望 | 第67-68页 |
| 8 参考文献 | 第68-73页 |
| 9 攻读硕士学位期间发表论文情况 | 第73-74页 |
| 10 致谢 | 第74-75页 |
| 附录 | 第75-76页 |
