基于Kinect深度视觉的服务机器人自定位研究
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第10-22页 |
| 1.1 课题研究的目的和意义 | 第10-11页 |
| 1.2 服务机器人国内外研究及应用现状 | 第11-17页 |
| 1.2.1 国外研究及应用现状 | 第11-16页 |
| 1.2.2 国内研究及应用现状 | 第16-17页 |
| 1.3 服务机器人自定位技术研究 | 第17-19页 |
| 1.3.1 相对定位 | 第18页 |
| 1.3.2 绝对定位 | 第18-19页 |
| 1.4 本文主要研究内容 | 第19-22页 |
| 第二章 服务机器人硬件系统及相关传感器 | 第22-32页 |
| 2.1 Pioneer移动机器人硬件系统 | 第22-26页 |
| 2.1.1 碰撞缓冲器 | 第24页 |
| 2.1.2 声纳环 | 第24-25页 |
| 2.1.3 光电编码器 | 第25页 |
| 2.1.4 电子罗盘 | 第25-26页 |
| 2.2 Kinect深度视觉传感器 | 第26-27页 |
| 2.3 Pioneer移动机器人数学模型 | 第27-30页 |
| 2.3.1 坐标系统模型 | 第27-28页 |
| 2.3.2 运动学模型 | 第28-30页 |
| 2.4 本章小结 | 第30-32页 |
| 第三章 图像信息的获取与边缘检测技术 | 第32-44页 |
| 3.1 应用Kinect获取深度数据 | 第32-37页 |
| 3.1.1 Kinect工作原理 | 第32-34页 |
| 3.1.2 Kinect数据获取 | 第34-37页 |
| 3.2 图像边缘提取的相关算法 | 第37-41页 |
| 3.2.1 Roberts算子 | 第37-38页 |
| 3.2.2 Sobel算子 | 第38-39页 |
| 3.2.3 Prewitt算子 | 第39页 |
| 3.2.4 改进的Sobel算子 | 第39-41页 |
| 3.3 仿真结果与分析 | 第41-42页 |
| 3.4 本章小节 | 第42-44页 |
| 第四章 服务机器人的图像配准技术 | 第44-54页 |
| 4.1 前言 | 第44-45页 |
| 4.2 信息熵基础知识 | 第45-48页 |
| 4.2.1 信息熵 | 第45-46页 |
| 4.2.2 熵与图像关系 | 第46页 |
| 4.2.3 联合直方图 | 第46-47页 |
| 4.2.4 熵与图像配准 | 第47-48页 |
| 4.3 互信息 | 第48-50页 |
| 4.3.1 互信息的概念 | 第48-49页 |
| 4.3.2 互信息的计算 | 第49-50页 |
| 4.4 结合边缘特征和互信息的图像配准方法 | 第50-52页 |
| 4.5 仿真研究与结果分析 | 第52-53页 |
| 4.6 本章小节 | 第53-54页 |
| 第五章 服务机器人定位方法研究 | 第54-66页 |
| 5.1 自定位技术 | 第54-55页 |
| 5.1.1 信标定位 | 第54页 |
| 5.1.2 激光雷达定位 | 第54-55页 |
| 5.1.3 视觉定位 | 第55页 |
| 5.2 服务机器人自定位算法 | 第55-59页 |
| 5.2.1 常用的位置计算方法 | 第55-57页 |
| 5.2.2 改进的三边定位算法 | 第57-59页 |
| 5.3 服务机器人自定位系统概述 | 第59-61页 |
| 5.4 仿真研究与结果分析 | 第61-65页 |
| 5.5 本章小结 | 第65-66页 |
| 第六章 结论 | 第66-68页 |
| 参考文献 | 第68-70页 |
| 作者简介 | 第70页 |
| 作者在攻读硕士学位期间发表的论文 | 第70-72页 |
| 致谢 | 第72-73页 |
