基于全景视觉的多机器人协调定位
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第9-14页 |
| 1.1 课题的背景与意义 | 第9页 |
| 1.2 多机器人协调定位研究现状 | 第9-11页 |
| 1.3 多机器人协调定位关键技术 | 第11-12页 |
| 1.3.1 多机器人定位方法 | 第11-12页 |
| 1.3.2 全景视觉实现方法 | 第12页 |
| 1.4 本文研究内容及结构安排 | 第12-14页 |
| 第二章 多机器人协调定位系统平台 | 第14-32页 |
| 2.1 机器人硬件总体框架 | 第14-18页 |
| 2.1.1 主控制器 | 第15-17页 |
| 2.1.2 运动控制器 | 第17-18页 |
| 2.2 机器人软件总体框架 | 第18-20页 |
| 2.2.1 软件开发环境 | 第18-19页 |
| 2.2.2 系统软件流程 | 第19-20页 |
| 2.3 传感器选型与配置 | 第20-25页 |
| 2.3.1 电子罗盘 | 第21-22页 |
| 2.3.2 USB摄像头 | 第22-23页 |
| 2.3.3 无线网卡 | 第23-24页 |
| 2.3.4 电机编码器 | 第24-25页 |
| 2.4 底层运动控制系统 | 第25-28页 |
| 2.4.1 运动控制原理 | 第25-26页 |
| 2.4.2 基于PID的驱动轮控制 | 第26-28页 |
| 2.5 自适应令牌环网多机器人通信 | 第28-31页 |
| 2.5.1 网络拓扑结构及协议 | 第28-30页 |
| 2.5.2 通信帧格式 | 第30-31页 |
| 2.6 本章小结 | 第31-32页 |
| 第三章 全景视觉目标识别定位 | 第32-50页 |
| 3.1 反射式全景视觉系统 | 第32-33页 |
| 3.2 图像采集与处理 | 第33-39页 |
| 3.2.1 图像采集 | 第33-34页 |
| 3.2.2 图像预处理 | 第34-35页 |
| 3.2.3 目标特征识别 | 第35-36页 |
| 3.2.4 改进的K-means聚类算法 | 第36-39页 |
| 3.3 视觉系统校正与标定 | 第39-40页 |
| 3.4 实验与分析 | 第40-48页 |
| 3.4.1 静态目标定位 | 第41-44页 |
| 3.4.2 动态目标定位 | 第44-48页 |
| 3.5 多机器人通信实验 | 第48-49页 |
| 3.6 本章小结 | 第49-50页 |
| 第四章 基于EKF的多机器人协调定位 | 第50-63页 |
| 4.1 机器人协调定位系统模型 | 第50-54页 |
| 4.1.1 机器人坐标系统模型 | 第50-51页 |
| 4.1.2 航位推算运动模型 | 第51-52页 |
| 4.1.3 交互定位信息的解算 | 第52-53页 |
| 4.1.4 机器人视觉系统定位模型 | 第53-54页 |
| 4.2 扩展卡尔曼滤波方法 | 第54-59页 |
| 4.2.1 卡尔曼滤波基本原理 | 第54-55页 |
| 4.2.2 扩展卡尔曼滤波模型 | 第55-57页 |
| 4.2.3 基于交互信息的EKF数据融合 | 第57-59页 |
| 4.3 实验与分析 | 第59-62页 |
| 4.4 本章小结 | 第62-63页 |
| 第五章 结论与展望 | 第63-65页 |
| 5.1 研究结论 | 第63页 |
| 5.2 研究展望 | 第63-65页 |
| 参考文献 | 第65-70页 |
| 附录A:插图清单 | 第70-72页 |
| 附录B:表格清单 | 第72-73页 |
| 附录C:部分实验数据 | 第73-76页 |
| 附录D:部分程序源码 | 第76-79页 |
| 在校研究成果 | 第79-80页 |
| 致谢 | 第80页 |
