室内机器人仿生定位导航方法研究
| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 1.引言 | 第10-16页 |
| 1.1 研究背景 | 第10页 |
| 1.2 研究现状及意义 | 第10-13页 |
| 1.3 论文的难点及重点 | 第13-14页 |
| 1.4 论文结构 | 第14-15页 |
| 1.5 本章小结 | 第15-16页 |
| 2.人类的定位导航方法 | 第16-21页 |
| 2.1 人类视觉系统 | 第16-18页 |
| 2.2 人脑中的定位导航细胞 | 第18-19页 |
| 2.3 人类定位导航方法的建模 | 第19-20页 |
| 2.4 本章小结 | 第20-21页 |
| 3.机器人系统设计 | 第21-28页 |
| 3.1 机器人系统架构 | 第21页 |
| 3.2 体感器Kinect1. | 第21-22页 |
| 3.3 主控制器的选择 | 第22-23页 |
| 3.4 运动控制器及MPU9250 | 第23-27页 |
| 3.4.1 运动控制器的选择 | 第23-24页 |
| 3.4.2 多功能运动传感器MPU9250 | 第24-25页 |
| 3.4.3 .MPU9250控制方式 | 第25-27页 |
| 3.5 本章小结 | 第27-28页 |
| 4.室内物品识别的仿生算法设计 | 第28-46页 |
| 4.1 室内物品数据库的构建 | 第28-29页 |
| 4.1.1 利用特征表征物品 | 第28-29页 |
| 4.1.2 利用数据库存储特征 | 第29页 |
| 4.2 图像增强 | 第29-32页 |
| 4.2.1 图像增强相关算法 | 第29-30页 |
| 4.2.2 直方图均衡化 | 第30-32页 |
| 4.3 颜色信息及颜色纹理特征 | 第32-35页 |
| 4.3.1 颜色信息的获取 | 第32-33页 |
| 4.3.2 纹理特征的获取 | 第33-35页 |
| 4.4 边缘信息及形状特征向量的获取 | 第35-40页 |
| 4.4.1 边缘信息的获取 | 第35-36页 |
| 4.4.2 边缘信息矢量化及形状特征 | 第36-39页 |
| 4.4.3 对称特征的获取 | 第39-40页 |
| 4.5 分类器设计 | 第40-41页 |
| 4.6 室内物品的识别方法 | 第41-45页 |
| 4.6.1 基于室内物品数据库的检测方法 | 第41-42页 |
| 4.6.2 基于室内物品数据库的识别方法 | 第42-43页 |
| 4.6.3 室内物品数据库识别方法的验证 | 第43-45页 |
| 4.7 本章小结 | 第45-46页 |
| 5.仿生定位导航算法设计 | 第46-55页 |
| 5.1 常见的机器人地图表示方法 | 第46-47页 |
| 5.2 基于标志物品的地图构建方法 | 第47-51页 |
| 5.2.1 距离信息的获取及表示 | 第48-50页 |
| 5.2.2 基于数据库的室内地图表示方法 | 第50-51页 |
| 5.3 基于地图的定位方法 | 第51-52页 |
| 5.4 基于地图的导航方法 | 第52页 |
| 5.5 .MPU9250辅助导航 | 第52-53页 |
| 5.6 本章小结 | 第53-55页 |
| 6.方法验证与结果分析 | 第55-61页 |
| 6.1 图像增强测试 | 第55-56页 |
| 6.2 物品识别测试 | 第56-58页 |
| 6.3 导航结果 | 第58-60页 |
| 6.4 本章小结 | 第60-61页 |
| 7.总结与展望 | 第61-62页 |
| 参考文献 | 第62-65页 |
| 致谢 | 第65-66页 |
| 在学期间公开发表论文及著作情况 | 第66页 |
