基于多层代价地图的移动机器人人机共融导航技术研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 课题来源及研究的背景和意义 | 第10-11页 |
| 1.1.1 课题来源 | 第10页 |
| 1.1.2 课题研究背景和意义 | 第10-11页 |
| 1.2 国内外研究现状及分析 | 第11-14页 |
| 1.2.1 代价地图国内外研究现状及分析 | 第11-12页 |
| 1.2.2 人类行为意图认知研究现状及分析 | 第12-13页 |
| 1.2.3 导航算法研究现状及分析 | 第13-14页 |
| 1.3 本文主要研究内容 | 第14-16页 |
| 第2章 一种高匹配性的多层代价地图生成算法 | 第16-27页 |
| 2.1 引言 | 第16页 |
| 2.2 方案设计 | 第16-21页 |
| 2.2.1 传统多层代价地图缺陷分析 | 第16-19页 |
| 2.2.2 高匹配性代价地图方案设计 | 第19-21页 |
| 2.3 高匹配性代价地图 | 第21-22页 |
| 2.4 实时性的提升 | 第22-26页 |
| 2.4.1 组合静态层的设计 | 第22-24页 |
| 2.4.2 等距膨胀法的提出 | 第24-26页 |
| 2.5 本章小结 | 第26-27页 |
| 第3章 基于碰撞代价模型的行为意图认知方法 | 第27-42页 |
| 3.1 引言 | 第27页 |
| 3.2 基于2D激光雷达的人腿检测 | 第27-31页 |
| 3.2.1 人体腿部特征定义 | 第27-29页 |
| 3.2.2 基于AdaBoost的人腿分类算法 | 第29-31页 |
| 3.3 基于RGB-D信息的人体上半身检测 | 第31-35页 |
| 3.3.1 点云信息预处理 | 第31-34页 |
| 3.3.2 人体上半身分类 | 第34页 |
| 3.3.3 检测融合 | 第34-35页 |
| 3.4 碰撞代价模型 | 第35-38页 |
| 3.5 人类轨迹预测 | 第38-39页 |
| 3.6 行为意图认知层的建立 | 第39-41页 |
| 3.7 本章小结 | 第41-42页 |
| 第4章 Human-aware导航算法研究 | 第42-60页 |
| 4.1 引言 | 第42页 |
| 4.2 基于动态三角窗口的机器人运动模型 | 第42-44页 |
| 4.3 Human-aware导航模式设计 | 第44-51页 |
| 4.3.1 Human-aware模式 | 第45-48页 |
| 4.3.2 紧急避人模式 | 第48-49页 |
| 4.3.3 起步和终点模式 | 第49-51页 |
| 4.4 Human-aware导航轨迹生成 | 第51-59页 |
| 4.4.1 导航速度采样 | 第51-53页 |
| 4.4.2 导航轨迹优选 | 第53-57页 |
| 4.4.3 算法框架 | 第57-59页 |
| 4.5 本章小结 | 第59-60页 |
| 第5章 实验研究 | 第60-79页 |
| 5.1 引言 | 第60页 |
| 5.2 实验平台搭建 | 第60-63页 |
| 5.2.1 硬件平台介绍 | 第60-61页 |
| 5.2.2 软件平台搭建 | 第61-63页 |
| 5.3 高匹配性多层代价地图生成算法对比实验 | 第63-68页 |
| 5.3.1 高匹配性验证实验 | 第63-65页 |
| 5.3.2 实时性对比实验 | 第65-66页 |
| 5.3.3 人性化与安全性实验 | 第66-68页 |
| 5.4 基于碰撞代价模型的行为意图认知层实验 | 第68-71页 |
| 5.4.1 人体检测实验 | 第68-69页 |
| 5.4.2 行为意图认知层实验 | 第69-71页 |
| 5.5 导航实验 | 第71-77页 |
| 5.5.1 静态人类环境下的导航实验 | 第71-73页 |
| 5.5.2 动态人类环境下的导航实验 | 第73-77页 |
| 5.6 本章小结 | 第77-79页 |
| 结论 | 第79-80页 |
| 参考文献 | 第80-85页 |
| 攻读学位期间发表的学术论文 | 第85-87页 |
| 致谢 | 第87页 |
