| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第10-17页 |
| 1.1 课题研究背景及意义 | 第10页 |
| 1.2 国内外研究现状 | 第10-15页 |
| 1.2.1 挖掘机器人技术 | 第10-11页 |
| 1.2.2 多传感器融合 | 第11-12页 |
| 1.2.3 基于激光雷达的目标检测 | 第12-13页 |
| 1.2.4 图像分割算法 | 第13-14页 |
| 1.2.5 未知环境地图的建立 | 第14-15页 |
| 1.3 论文结构安排 | 第15-16页 |
| 1.4 本章小结 | 第16-17页 |
| 2 环境感知系统的框架及传感器的标定 | 第17-27页 |
| 2.1 环境感知相关技术 | 第17-19页 |
| 2.1.1 技术指标 | 第17页 |
| 2.1.2 环境感知系统 | 第17-18页 |
| 2.1.3 激光雷达和CCD传感器信息融合 | 第18-19页 |
| 2.2 硬件主要组成部分 | 第19-21页 |
| 2.2.1 挖掘机器人模型及实验平台 | 第20页 |
| 2.2.2 CCD传感器和激光雷达 | 第20-21页 |
| 2.3 激光雷达和摄像机的标定 | 第21-26页 |
| 2.3.1 摄像机的标定 | 第22-24页 |
| 2.3.2 激光雷达标定 | 第24-25页 |
| 2.3.3 激光达和摄像机联合标定 | 第25-26页 |
| 2.4 本章小结 | 第26-27页 |
| 3 激光雷达与视觉信息融合的目标分割 | 第27-51页 |
| 3.1 图像增强 | 第27-30页 |
| 3.1.1 直方图均衡化 | 第27-28页 |
| 3.1.2 Gamma校正 | 第28-30页 |
| 3.2 基于激光雷达的目标检测 | 第30-33页 |
| 3.2.1 激光雷达的工作原理 | 第30-31页 |
| 3.2.2 野外复杂环境下障碍物检测 | 第31-33页 |
| 3.3 改进的分水岭图像分割算法 | 第33-39页 |
| 3.3.1 分水岭算法原理 | 第34-36页 |
| 3.3.2 区域生长算法 | 第36页 |
| 3.3.3 融合激光雷达信息的分水岭图像分割算法 | 第36-39页 |
| 3.4 改进的Grabcut图像分割算法 | 第39-47页 |
| 3.4.1 Graph Cut分割算法 | 第39-41页 |
| 3.4.2 Grab Cut算法原理 | 第41-42页 |
| 3.4.3 一种背景自适应的Grab Cut算法 | 第42-44页 |
| 3.4.4 改进算法结果分析 | 第44-47页 |
| 3.5 两种分割算法的比较 | 第47-50页 |
| 3.6 本章小结 | 第50-51页 |
| 4 未知环境中地图的创建 | 第51-70页 |
| 4.1 基于改进渐入渐出融合算法的图像拼接 | 第51-58页 |
| 4.1.1 基于SIFT的图像配准 | 第51-53页 |
| 4.1.2 渐入渐出融合算法 | 第53-54页 |
| 4.1.3 基于Sobel的渐入渐出融合算法 | 第54-55页 |
| 4.1.4 拼接的结果分析 | 第55-58页 |
| 4.2 栅格地图的建立 | 第58-62页 |
| 4.2.1 局部二维栅格地图的创建 | 第58-59页 |
| 4.2.2 挖掘机器人的自定位 | 第59-60页 |
| 4.2.3 全局地图的更新 | 第60-61页 |
| 4.2.4 二维栅格地图 | 第61-62页 |
| 4.3 基于扩展的卡尔曼滤波（EKF）的SLAM地图构建 | 第62-69页 |
| 4.3.1 扩展的卡尔曼滤波 | 第63-64页 |
| 4.3.2 单目视觉SLAM系统扩展卡尔曼滤波 | 第64-69页 |
| 4.4 本章小结 | 第69-70页 |
| 结论 | 第70-73页 |
| 致谢 | 第73-74页 |
| 参考文献 | 第74-79页 |
| 攻读学位期间发表的与学位论文内容相关的学术论文及研究成果 | 第79页 |