摘要 | 第5-6页 |
ABSTRACT | 第6-7页 |
第1章 绪论 | 第11-17页 |
1.1 课题的研究背景和意义 | 第11-12页 |
1.2 国内外AGV研究现状 | 第12-13页 |
1.2.1 AGV环境传感器应用现状 | 第12页 |
1.2.2 常规环境传感器与Kienct比较 | 第12-13页 |
1.3 路径规划研究现状 | 第13-15页 |
1.3.1 各类路径规划的应用 | 第13-14页 |
1.3.2 路径规划比较和选择 | 第14-15页 |
1.4 论文章节内容安排 | 第15-17页 |
第2章 Kinect原理介绍 | 第17-30页 |
2.1 Kinect简介 | 第17-19页 |
2.2 Kinect深度图像获取 | 第19-23页 |
2.2.1 Kinect成像原理 | 第19-21页 |
2.2.2 Kinect获取深度图 | 第21-23页 |
2.3 Kinect点云获取 | 第23-25页 |
2.3.1 点云转换公式 | 第23页 |
2.3.2 Point Cloud Library点云库 | 第23-25页 |
2.4 深度数据误差分析 | 第25-28页 |
2.4.1 镜头透视失真 | 第25-26页 |
2.4.2 环境干扰 | 第26-27页 |
2.4.3 深度修复和处理 | 第27-28页 |
2.5 本章小结 | 第28-30页 |
第3章 基于ARM的AGV避障系统设计 | 第30-40页 |
3.1 主控制器 | 第30-32页 |
3.1.1 主控制器比较 | 第30-32页 |
3.1.2 选择合适的平台 | 第32页 |
3.2 转向模块 | 第32-34页 |
3.2.1 转向方式 | 第32-33页 |
3.2.2 方位传感器 | 第33-34页 |
3.3 电机驱动 | 第34-36页 |
3.3.1 供电设计 | 第34页 |
3.3.2 BLDC介绍 | 第34-35页 |
3.3.3 电机驱动电路 | 第35-36页 |
3.3.4 电机PI控制 | 第36页 |
3.4 Kinect设备驱动 | 第36-39页 |
3.4.1 设备驱动的内核头文件依赖 | 第37页 |
3.4.2 编译ARM版本Linux内核 | 第37-38页 |
3.4.3 深度摄像头设备驱动 | 第38页 |
3.4.4 读取和转换深度数据 | 第38-39页 |
3.5 本章小结 | 第39-40页 |
第4章 Kinect障碍物检测 | 第40-57页 |
4.1 可行区域检测 | 第40-42页 |
4.2 深度图像处理 | 第42-48页 |
4.2.1 基于法向量的物体表面划分 | 第42-43页 |
4.2.2 基于梯度的障碍边缘检测 | 第43-46页 |
4.2.3 基于梯级的障碍划分 | 第46-48页 |
4.3 障碍物聚类分析 | 第48-51页 |
4.4 障碍物轮廓查找 | 第51-54页 |
4.4.1 凸包和凹包查找 | 第51-53页 |
4.4.2 轮廓栅格化 | 第53-54页 |
4.5 检测效果 | 第54-56页 |
4.5.1 可行区域检测 | 第54-55页 |
4.5.2 障碍物轮廓检测 | 第55-56页 |
4.6 本章小结 | 第56-57页 |
第5章 基于障碍物检测的D*路径规划 | 第57-77页 |
5.1 栅格图 | 第57-61页 |
5.1.1 安全区域构建 | 第57-58页 |
5.1.2 可视图 | 第58-59页 |
5.1.3 转折点的衔接 | 第59-60页 |
5.1.4 路径优化 | 第60-61页 |
5.2 路径规划 | 第61-69页 |
5.2.1 D*算法 | 第62-63页 |
5.2.2 D*算法流程 | 第63-67页 |
5.2.3 D*算法实现 | 第67-69页 |
5.3 实验验证 | 第69-73页 |
5.3.1 可行驶区域检测 | 第69-70页 |
5.3.2 直行和转弯 | 第70-72页 |
5.3.3 静态/动态路径规划 | 第72-73页 |
5.4 实验结果分析 | 第73-76页 |
5.4.1 直线行驶 | 第73-74页 |
5.4.2 转弯行驶 | 第74页 |
5.4.3 动态避障效果 | 第74-76页 |
5.5 本章小结 | 第76-77页 |
第6章 论文总结和展望 | 第77-79页 |
6.1 论文总结 | 第77页 |
6.2 展望 | 第77-79页 |
致谢 | 第79-80页 |
参考文献 | 第80-84页 |
附录 | 第84-85页 |
详细摘要 | 第85-87页 |