首页--工业技术论文--自动化技术、计算机技术论文--自动化技术及设备论文--机器人技术论文--机器人论文

基于深度摄像和ARM的AGV避障技术研究

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

论文共87页,点击 下载论文
上一篇:基于Kinect可通行性区域识别
下一篇:QoS敏感的云工作流调度优化方法