| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第10-18页 |
| 1.1 引言 | 第10页 |
| 1.2 国内外研究现状 | 第10-16页 |
| 1.2.1 机器人研究现状 | 第11-13页 |
| 1.2.2 障碍物检测研究现状 | 第13-16页 |
| 1.2.3 避障路径选择研究现状 | 第16页 |
| 1.3 论文主要研究内容 | 第16-18页 |
| 第2章 Kinect探测盲区优化 | 第18-28页 |
| 2.1 Kinect探测盲区 | 第18-19页 |
| 2.2 Kinect探测盲区优化方法 | 第19-25页 |
| 2.2.1 Kinect默认状态与竖直放置的视角与探测盲区对比 | 第19-21页 |
| 2.2.2 Kinect探测盲区优化原理 | 第21-25页 |
| 2.3 深度图像翻转后深度提取公式推导 | 第25-26页 |
| 2.4 本章小结 | 第26-28页 |
| 第3章 基于机器视觉的障碍物检测算法 | 第28-39页 |
| 3.1 深度图像预处理 | 第28-32页 |
| 3.1.1 滤波处理 | 第28-31页 |
| 3.1.2 二值化处理 | 第31-32页 |
| 3.2 背景模型建立 | 第32-34页 |
| 3.2.1 基于统计平均的背景建模法 | 第33-34页 |
| 3.2.2 背景更新 | 第34页 |
| 3.3 障碍物检测 | 第34-38页 |
| 3.3.1 障碍物图像的像素面积 | 第35-36页 |
| 3.3.2 障碍物形状建模 | 第36-38页 |
| 3.4 本章小结 | 第38-39页 |
| 第4章 基于机器视觉与人工势场法结合的避障算法 | 第39-53页 |
| 4.1 人工势场法 | 第39-43页 |
| 4.1.1 人工势场法原理 | 第39-41页 |
| 4.1.2 人工势场法缺陷分析 | 第41-43页 |
| 4.2 基于机器视觉与人工势场法结合的避障算法 | 第43-52页 |
| 4.2.1 摄像机标定 | 第43-46页 |
| 4.2.2 移动机器人运动模型 | 第46-47页 |
| 4.2.3 伪障碍物过滤 | 第47-48页 |
| 4.2.4 局部最小值解决方法 | 第48-52页 |
| 4.3 本章小结 | 第52-53页 |
| 第5章 试验验证 | 第53-60页 |
| 5.1 系统整体机构 | 第53-54页 |
| 5.2 试验验证 | 第54-59页 |
| 5.2.1 障碍物检测算法验证 | 第54-55页 |
| 5.2.2 避障路径选择方法验证 | 第55-59页 |
| 5.3 本章小结 | 第59-60页 |
| 第6章 结论与展望 | 第60-62页 |
| 6.1 结论 | 第60-61页 |
| 6.2 展望 | 第61-62页 |
| 参考文献 | 第62-65页 |
| 致谢 | 第65-66页 |
| 攻读学位期间取得的研究成果 | 第66-68页 |