| 摘要 | 第1-4页 |
| ABSTRACT | 第4-5页 |
| 目录 | 第5-7页 |
| 1 绪论 | 第7-13页 |
| ·课题研究意义 | 第7页 |
| ·国内外相关课题研究现状 | 第7-9页 |
| ·移动机器人的主要研究内容 | 第9-11页 |
| ·本文主要研究内容 | 第11-13页 |
| 2 多传感器信息融合技术 | 第13-19页 |
| ·引言 | 第13页 |
| ·信息融合的基本原理 | 第13-14页 |
| ·信息融合的系统结构 | 第14-16页 |
| ·信息融合的层次 | 第14-15页 |
| ·信息融合的体系结构 | 第15-16页 |
| ·信息融合的算法 | 第16-17页 |
| ·信息融合技术的应用 | 第17-18页 |
| ·本章小结 | 第18-19页 |
| 3 移动机器人的避障系统 | 第19-29页 |
| ·引言 | 第19页 |
| ·AS-R移动机器人平台 | 第19-20页 |
| ·移动机器人的障碍探测系统 | 第20-25页 |
| ·CCD视觉传感器 | 第21-22页 |
| ·超声波传感器 | 第22-25页 |
| ·避障策略 | 第25页 |
| ·环境信息分类及其避障行为 | 第25-27页 |
| ·本章小结 | 第27-29页 |
| 4 移动机器人避障的视觉信息处理 | 第29-49页 |
| ·引言 | 第29页 |
| ·摄像机坐标系与成像模型 | 第29-35页 |
| ·视觉系统的坐标系 | 第29-31页 |
| ·摄像机成像变换及逆变换 | 第31-35页 |
| ·视觉信息的分析和处理 | 第35-41页 |
| ·灰度化处理 | 第35-36页 |
| ·平滑滤波 | 第36-38页 |
| ·边缘检测 | 第38-40页 |
| ·二值化处理 | 第40-41页 |
| ·图像预处理的结果 | 第41-43页 |
| ·基于梯形区域的障碍物边缘坐标提取 | 第43-47页 |
| ·梯形感兴趣区域的确定 | 第44-46页 |
| ·障碍物边缘检测策略 | 第46-47页 |
| ·本章小结 | 第47-49页 |
| 5 基于模糊神经网络的多传感器信息融合 | 第49-67页 |
| ·引言 | 第49页 |
| ·模糊神经网络算法 | 第49-52页 |
| ·模糊系统的Takagi-Sugeno模型 | 第49-50页 |
| ·基于Takagi-Sugeno模型的模糊神经网络 | 第50-52页 |
| ·模糊神经网络的学习算法 | 第52页 |
| ·移动机器人的物理模型 | 第52-53页 |
| ·模糊神经网络控制器的设计 | 第53-61页 |
| ·传感器的数据分组与预处理 | 第54-55页 |
| ·输入输出变量的确定 | 第55-58页 |
| ·模糊控制规则的建立 | 第58页 |
| ·模糊神经网络的训练 | 第58-61页 |
| ·仿真实验 | 第61-65页 |
| ·程序控制流程 | 第61-63页 |
| ·仿真实验 | 第63-65页 |
| ·本章小结 | 第65-67页 |
| 总结与展望 | 第67-69页 |
| 致谢 | 第69-71页 |
| 参考文献 | 第71-77页 |
| 硕士期间撰写的论文 | 第77页 |