基于单目视觉的清洁机器人实时路径规划研究
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-7页 |
| 目录 | 第7-10页 |
| CONTENTS | 第10-13页 |
| 第一章 绪论 | 第13-18页 |
| ·研究背景及意义 | 第13-14页 |
| ·清洁机器人路径规划的研究现状 | 第14-16页 |
| ·国外研究现状 | 第14-15页 |
| ·国内研究现状 | 第15-16页 |
| ·本文研究的主要内容及章节安排 | 第16-18页 |
| ·主要内容 | 第16页 |
| ·章节安排 | 第16-18页 |
| 第二章 机器人路径规划概述 | 第18-25页 |
| ·引言 | 第18页 |
| ·路径规划的分类 | 第18-19页 |
| ·全局路径规划 | 第19-22页 |
| ·可视图法 | 第19-20页 |
| ·栅格法 | 第20页 |
| ·神经网络法 | 第20-22页 |
| ·局部路径规划 | 第22-24页 |
| ·人工势场法 | 第22-23页 |
| ·遗传算法 | 第23-24页 |
| ·本章小结 | 第24-25页 |
| 第三章 单目视觉清洁机器人环境识别与分类 | 第25-40页 |
| ·引言 | 第25-26页 |
| ·障碍物识别 | 第26-29页 |
| ·边缘检测 | 第27-28页 |
| ·障碍物识别程序及结果 | 第28-29页 |
| ·基于视觉与激光融合的障碍物测距 | 第29-33页 |
| ·激光测距 | 第29-31页 |
| ·视觉测距与激光测距相融合 | 第31-33页 |
| ·支持向量机分类算法 | 第33-39页 |
| ·超平面分类函数的计算 | 第34-37页 |
| ·核函数选择 | 第37-38页 |
| ·算法实现 | 第38-39页 |
| ·本章小结 | 第39-40页 |
| 第四章 基于蚁群算法的实时路径规划 | 第40-48页 |
| ·蚁群算法的原理 | 第40-42页 |
| ·蚁群算法的实现 | 第42-44页 |
| ·基本蚁群算法的描述 | 第42-43页 |
| ·基本蚁群算法的实现过程 | 第43-44页 |
| ·基于蚁群算法的局部环境路径规划 | 第44-47页 |
| ·局部环境的描述 | 第44-45页 |
| ·基于滚动窗口的局部路径规划 | 第45-47页 |
| ·本章小结 | 第47-48页 |
| 第五章 系统仿真平台及实验 | 第48-58页 |
| ·系统的环境模拟 | 第48-52页 |
| ·软件平台的选择 | 第48-50页 |
| ·系统仿真环境的建立 | 第50-52页 |
| ·仿真及结果分析 | 第52-57页 |
| ·仿真系统流程图 | 第52-53页 |
| ·仿真结果分析 | 第53-57页 |
| ·本章小结 | 第57-58页 |
| 总结与展望 | 第58-59页 |
| 参考文献 | 第59-62页 |
| 攻读学位期间发表的论文 | 第62-64页 |
| 致谢 | 第64-65页 |
| 附录 | 第65-68页 |
