| 摘要 | 第2-3页 |
| Abstract | 第3页 |
| 第一章 绪论 | 第6-15页 |
| 1.1 课题来源及研究意义 | 第6-7页 |
| 1.2 移动机器人国内外发展现状以及发展趋势 | 第7-11页 |
| 1.3 移动机器人定位技术发展现状 | 第11-12页 |
| 1.4 课题主要研究内容和工作 | 第12-15页 |
| 第二章 全向轮移动机器人平台的搭建 | 第15-28页 |
| 2.1 实验平台总体概况 | 第15-16页 |
| 2.2 实验平台的硬件 | 第16-25页 |
| 2.3 实验平台的软件 | 第25页 |
| 2.4 全向轮移动机器人运动学建模 | 第25-26页 |
| 2.5 本章小结 | 第26-28页 |
| 第三章 摄像机标定与全局视觉模型的建立 | 第28-38页 |
| 3.1 摄像机标定 | 第28-31页 |
| 3.1.1 摄像机标定方法 | 第28-29页 |
| 3.1.2 摄像机标定实验 | 第29-31页 |
| 3.2 全局视觉模型的建立 | 第31-33页 |
| 3.2.1 常用的坐标系 | 第31页 |
| 3.2.2 世界坐标系与相机坐标系的变换关系 | 第31-32页 |
| 3.2.3 相机坐标系与图像坐标系的变换关系 | 第32-33页 |
| 3.2.4 世界坐标系与图像坐标系的变换关系 | 第33页 |
| 3.3 全局视觉模型建立 | 第33-35页 |
| 3.4 移动机器人运动跟踪平面标定实验 | 第35-37页 |
| 3.5 本章小结 | 第37-38页 |
| 第四章 Meanshift与Camshift视觉跟踪算法 | 第38-48页 |
| 4.1 颜色模型及颜色转换 | 第38-40页 |
| 4.1.1 RGB颜色空间 | 第38页 |
| 4.1.2 HSV颜色空间 | 第38-39页 |
| 4.1.3 RGB与HSV颜色转换 | 第39-40页 |
| 4.2 Meanshift跟踪算法 | 第40-45页 |
| 4.2.1 Meanshift理论介绍 | 第40页 |
| 4.2.2 核估计介绍 | 第40-43页 |
| 4.2.3 均值漂移的具体步骤 | 第43-45页 |
| 4.3 Camshift跟踪算法 | 第45-46页 |
| 4.4 两种跟踪算法对比 | 第46-47页 |
| 4.5 本章小结 | 第47-48页 |
| 第五章 基于视觉信息的全向轮移动机器人精确定位方法 | 第48-58页 |
| 5.1 基于Kalman滤波改进的视觉跟踪算法 | 第48-55页 |
| 5.1.1 贝叶斯滤波 | 第48-49页 |
| 5.1.2 Kalman滤波的发展和应用领域 | 第49-50页 |
| 5.1.3 Kalman滤波的基本方程 | 第50-53页 |
| 5.1.4 基于Kalman滤波改进的Camshift视觉跟踪算法 | 第53-55页 |
| 5.2 基于视觉信息的移动机器人转向角的计算方法 | 第55-57页 |
| 5.3 本章小结 | 第57-58页 |
| 第六章 基于视觉跟踪与里程计信息的移动机器人定位实验 | 第58-68页 |
| 6.1 Camshift跟踪实验 | 第58-60页 |
| 6.2 基于Kalman滤波的Camshift跟踪实验 | 第60-61页 |
| 6.3 基于视觉信息的移动机器人角位移计算 | 第61-62页 |
| 6.4 基于里程计的移动机器人定位实验 | 第62-63页 |
| 6.5 实验结果的分析 | 第63-67页 |
| 6.6 本章小结 | 第67-68页 |
| 第七章 展望与总结 | 第68-70页 |
| 参考文献 | 第70-74页 |
| 攻读硕士学位期间发表的学术论文 | 第74-75页 |
| 致谢 | 第75-77页 |
