| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第10-18页 |
| 1.1 课题研究背景及意义 | 第10-11页 |
| 1.2 动态环境中服务机器人定位与抓取研究综述 | 第11-15页 |
| 1.2.1 动态环境中移动机器人自主定位 | 第11-13页 |
| 1.2.2 基于视觉的移动机械臂物体识别与抓取 | 第13-15页 |
| 1.3 目前存在的问题与难点 | 第15-16页 |
| 1.4 论文的主要内容和结构安排 | 第16-18页 |
| 第二章 动态环境下移动作业机器人系统与软件总体设计 | 第18-26页 |
| 2.1 系统需求分析及总体设计 | 第18-20页 |
| 2.1.1 系统需求分析 | 第18页 |
| 2.1.2 系统总体框架设计 | 第18-20页 |
| 2.2 系统开发与运行平台 | 第20-24页 |
| 2.2.1 硬件资源 | 第20-22页 |
| 2.2.2 软件平台资源 | 第22-24页 |
| 2.3 本章小结 | 第24-26页 |
| 第三章 融合RGB-D与激光传感器的动态环境下机器人自主定位算法 | 第26-40页 |
| 3.1 动态环境下机器人定位方法总体流程 | 第26页 |
| 3.2 利用多传感器信息的可定位性估计 | 第26-37页 |
| 3.2.1 Fisher信息矩阵和CRB定理 | 第27-28页 |
| 3.2.2 基于激光测距仪和静态地图的可定位性矩阵 | 第28-30页 |
| 3.2.3 动态可定位性矩阵估计 | 第30-31页 |
| 3.2.4 利用RGB-D感知的未建模动态障碍物概率估计 | 第31-37页 |
| 3.3 基于里程计的预测模型协方差估计 | 第37-38页 |
| 3.4 位姿修正与更新 | 第38-39页 |
| 3.5 本章小结 | 第39-40页 |
| 第四章 基于深度视觉的移动机械臂抓取方法 | 第40-56页 |
| 4.1 移动机械臂手眼标定 | 第40-46页 |
| 4.2 基于RGB-D信息的物体检测与定位 | 第46-48页 |
| 4.2.1 点云数据下采样 | 第46-47页 |
| 4.2.2 作业平面提取及滤除 | 第47页 |
| 4.2.3 物体聚类和定位 | 第47-48页 |
| 4.3 基于深度信息的抓取姿态生成策略 | 第48-53页 |
| 4.4 机械臂运动规划 | 第53-54页 |
| 4.5 本章小结 | 第54-56页 |
| 第五章 网络环境下服务机器人移动作业应用软件开发 | 第56-72页 |
| 5.1 定位功能软件开发 | 第56-59页 |
| 5.1.1 机器人定位软件总体设计 | 第56页 |
| 5.1.2 动态环境中机器人定位算法实现 | 第56-59页 |
| 5.2 抓取功能软件开发 | 第59-67页 |
| 5.2.1 服务机器人抓取系统设计 | 第59-60页 |
| 5.2.2 手眼标定模块 | 第60-62页 |
| 5.2.3 抓取场景的点云信息预处理 | 第62-64页 |
| 5.2.4 物体检测功能软件开发与验证 | 第64-66页 |
| 5.2.5 机械臂控制和规划模块 | 第66-67页 |
| 5.3 服务机器人导航取物应用软件开发 | 第67-70页 |
| 5.4 本章小结 | 第70-72页 |
| 第六章 系统集成测试与演示验证 | 第72-88页 |
| 6.1 实验场景及系统组成 | 第72-73页 |
| 6.2 定位功能软件性能测试评估 | 第73-76页 |
| 6.2.1 结构化环境中的对比实验 | 第74-75页 |
| 6.2.2 动态环境中的对比实验 | 第75-76页 |
| 6.3 基于深度视觉的机械臂抓取实验 | 第76-86页 |
| 6.3.1 手眼标定测试实验 | 第77-80页 |
| 6.3.2 物体定位测试实验 | 第80-84页 |
| 6.3.3 物体抓取实验 | 第84-86页 |
| 6.4 本章小结 | 第86-88页 |
| 第七章 总结与展望 | 第88-90页 |
| 7.1 总结 | 第88页 |
| 7.2 展望 | 第88-90页 |
| 致谢 | 第90-92页 |
| 参考文献 | 第92-96页 |
| 作者在攻读硕士学位期间发表的论文和科研成果 | 第96页 |
