首页--工业技术论文--自动化技术、计算机技术论文--自动化技术及设备论文--机器人技术论文--机器人论文

煤矿探测机器人环境重建与虚拟操控技术研究

摘要第3-5页
abstract第5-6页
1 绪论第10-20页
    1.1 选题背景与研究意义第10-11页
        1.1.1 选题背景第10-11页
        1.1.2 研究意义第11页
    1.2 国内外研究现状第11-18页
        1.2.1 煤矿探测机器人控制技术第11-13页
        1.2.2 井下设备位姿测量技术第13-16页
        1.2.3 巷道地图构建技术第16-18页
    1.3 研究内容与技术路线第18-20页
        1.3.1 研究内容第18页
        1.3.2 技术路线第18-20页
2 基于虚拟现实的煤矿探测机器人远程操控系统第20-27页
    2.1 系统需求分析第20页
    2.2 煤矿探测机器人虚拟远程操控系统总体设计第20-22页
    2.3 系统主要模块设计第22-26页
        2.3.1 虚拟现实数据交互平台第22-23页
        2.3.2 煤矿探测机器人位姿检测模块第23-24页
        2.3.3 井下场景感知模块第24-25页
        2.3.4 环境动态重建模块第25-26页
        2.3.5 探测机器人远程操控模块第26页
    2.4 本章小结第26-27页
3 非结构化环境下的探测机器人位姿检测技术第27-42页
    3.1 煤矿探测机器人数学模型第27-31页
        3.1.1 坐标系统与机器人平台第27-29页
        3.1.2 探测机器人运动控制模型第29-30页
        3.1.3 探测机器人位姿模型第30-31页
    3.2 煤矿探测机器人惯性导航研究第31-35页
        3.2.1 探测机器人位姿检测原理第31-33页
        3.2.2 探测机器人井下位置解算第33-34页
        3.2.3 探测机器人姿态解算第34-35页
    3.3 煤矿探测机器人在巷道中的精确定位第35-38页
        3.3.1 基于巷道路标的前向位置校正第35-36页
        3.3.2 机身横向位置组合定位第36-37页
        3.3.3 基于扩展卡尔曼滤波算法的机器人定位第37-38页
    3.4 Unity3D全局地图显示技术第38-41页
    3.5 本章小结第41-42页
4 井下场景重建及动态修正技术第42-55页
    4.1 巷道环境模型第42-46页
        4.1.1 初始巷道环境模型第42-45页
        4.1.2 环境数据库第45-46页
    4.2 激光雷达数据采集第46-48页
        4.2.1 传感器观测模型第46-47页
        4.2.2 激光雷达数据的采集与处理第47-48页
    4.3 Unity3D中井下场景重建方法第48-53页
        4.3.1 灾后环境重建与显示第48-49页
        4.3.2 数据配准第49-50页
        4.3.3 克隆重建第50-53页
    4.4 本章小结第53-55页
5 煤矿探测机器人虚拟操控策略研究第55-67页
    5.1 通讯接口第55-59页
        5.1.1 传感器数据采集与通讯第55-57页
        5.1.2 数据库与虚拟现实数据交互平台的通讯接口第57-58页
        5.1.3 Unity串口通讯第58页
        5.1.4 操控手柄通讯第58-59页
    5.2 机器人虚拟控制技术第59-62页
        5.2.1 机器人虚拟动作编程第59-61页
        5.2.2 数据驱动下的虚实同步第61-62页
    5.3 探测机器人远程控制策略第62-66页
        5.3.1 虚拟仿真地图下的自主路径规划第62-65页
        5.3.2 虚拟现实远程人工干预第65-66页
    5.4 本章小结第66-67页
6 实验验证与分析第67-74页
    6.1 实验目的及方案第67页
    6.2 系统实验平台搭建第67-68页
    6.3 系统功能验证及性能测试第68-72页
        6.3.1 虚拟现实数据交互平台数据通讯实验第68-69页
        6.3.2 数据驱动下的虚实同动实验第69-70页
        6.3.3 机器人定位与导航实验第70页
        6.3.4 动态环境重建实验第70-72页
    6.4 本章小结第72-74页
7 结论与展望第74-75页
    7.1 主要结论第74页
    7.2 展望第74-75页
致谢第75-76页
参考文献第76-81页
附录第81页

论文共81页,点击 下载论文
上一篇:矿用电动车再生制动力矩分配控制策略研究
下一篇:基于深度学习的人脸检测技术研究