基于改进核相关滤波算法的跟随机器人设计与实现
| 致谢 | 第4-5页 |
| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第1章 绪论 | 第12-25页 |
| 1.1 课题研究背景 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-23页 |
| 1.2.1 非视觉跟随 | 第13-14页 |
| 1.2.2 视觉跟随 | 第14-19页 |
| 1.2.3 相关滤波与深度学习 | 第19-23页 |
| 1.3 研究意义及内容 | 第23-24页 |
| 1.4 本章总结 | 第24-25页 |
| 第2章 跟随机器人系统设计 | 第25-36页 |
| 2.1 功能需求分析 | 第25页 |
| 2.2 系统架构设计 | 第25-32页 |
| 2.2.1 硬件平台 | 第26-30页 |
| 2.2.2 软件平台 | 第30-31页 |
| 2.2.3 机械结构 | 第31-32页 |
| 2.3 蓝牙报警模块设计及实验 | 第32-35页 |
| 2.3.1 蓝牙报警模块电路 | 第33-34页 |
| 2.3.2 蓝牙测距实验 | 第34-35页 |
| 2.4 本章小结 | 第35-36页 |
| 第3章 目标跟随算法研究 | 第36-61页 |
| 3.1 目标跟随原理 | 第36-38页 |
| 3.1.1 目标跟随流程 | 第36-37页 |
| 3.1.2 深度信息提取 | 第37-38页 |
| 3.2 核相关滤波算法 | 第38-44页 |
| 3.2.1 相似性原理与相关滤波 | 第39-40页 |
| 3.2.2 核相关滤波算法主要方法 | 第40-42页 |
| 3.2.3 核相关滤波算法实验和分析 | 第42-44页 |
| 3.3 改进的核相关滤波算法 | 第44-57页 |
| 3.3.1 图像采样与预处理 | 第45-47页 |
| 3.3.2 人工信标特征提取 | 第47-48页 |
| 3.3.3 人工信标跟随实验 | 第48-49页 |
| 3.3.4 HOG特征提取 | 第49-54页 |
| 3.3.5 自适应学习因子 | 第54页 |
| 3.3.6 人工信标和HOG特征融合 | 第54-57页 |
| 3.4 算法在数据集上的测试 | 第57-60页 |
| 3.4.1 评价方法与数据集 | 第57-58页 |
| 3.4.2 测试结果 | 第58-60页 |
| 3.5 本章小结 | 第60-61页 |
| 第4章 跟随机器人运动控制 | 第61-71页 |
| 4.1 跟随机器人运动分析 | 第61-64页 |
| 4.1.1 机器人运动学建模 | 第61-63页 |
| 4.1.2 从动轮运动学约束 | 第63页 |
| 4.1.3 转弯平滑处理 | 第63-64页 |
| 4.2 运动控制 | 第64-67页 |
| 4.2.1 运动控制分析 | 第64-66页 |
| 4.2.2 PID控制及其离散化 | 第66-67页 |
| 4.2.3 电机控制流程 | 第67页 |
| 4.3 基于速度差分的PID控制实验 | 第67-70页 |
| 4.4 本章小结 | 第70-71页 |
| 第5章 实验与分析 | 第71-79页 |
| 5.1 开源机器人改造 | 第71-72页 |
| 5.2 目标跟随实验 | 第72-74页 |
| 5.2.1 跟随效果演示 | 第72页 |
| 5.2.2 系统干扰实验 | 第72-74页 |
| 5.3 跟随轨迹分析 | 第74-78页 |
| 5.3.1 三次样条插值 | 第74-75页 |
| 5.3.2 运动轨迹分析 | 第75-78页 |
| 5.4 本章小结 | 第78-79页 |
| 第6章 总结与展望 | 第79-81页 |
| 6.1 总结 | 第79页 |
| 6.2 研究展望 | 第79-81页 |
| 参考文献 | 第81-84页 |
| 作者简介及在学期间取得的科研成果 | 第84页 |
