非结构化环境下凹障碍的认知技术
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第1章 绪论 | 第9-17页 |
| 1.1 课题背景和意义 | 第9页 |
| 1.2 移动机器人发展概况 | 第9-12页 |
| 1.3 非结构化环境下障碍物检测研究现状 | 第12-16页 |
| 1.3.1 基于运动信息的检测方法 | 第13页 |
| 1.3.2 基于立体视觉的检测方法 | 第13-14页 |
| 1.3.3 基于激光雷达的检测方法 | 第14-15页 |
| 1.3.4 其它检测方法 | 第15-16页 |
| 1.4 论文内容与结构 | 第16-17页 |
| 第2章 传感器系统和点云数据的获取及处理 | 第17-28页 |
| 2.1 移动机器人平台 | 第17页 |
| 2.2 激光雷达选型 | 第17-20页 |
| 2.3 点云数据的预处理 | 第20-24页 |
| 2.3.1 点云数据的滤波 | 第20-21页 |
| 2.3.2 基于曲率分类的滤波方法 | 第21-24页 |
| 2.4 基于曲率分类的点云滤波方法实验 | 第24-27页 |
| 2.4.1 场景实验 | 第25-26页 |
| 2.4.2 结果分析 | 第26-27页 |
| 2.5 本章小结 | 第27-28页 |
| 第3章 非结构化环境下的障碍检测 | 第28-34页 |
| 3.1 水体障碍检测 | 第28-29页 |
| 3.2 植被类障碍检测 | 第29-31页 |
| 3.3 凹障碍检测 | 第31-33页 |
| 3.4 本章小结 | 第33-34页 |
| 第4章 凹障碍的认知研究 | 第34-51页 |
| 4.1 可通过性分析 | 第34-35页 |
| 4.2 多元激光雷达布局方式的设计 | 第35-39页 |
| 4.3 激光雷达的坐标转换 | 第39-41页 |
| 4.4 数学模型的建立 | 第41-42页 |
| 4.5 多信息特征融合识别算法 | 第42-44页 |
| 4.6 非结构环境下凹障碍的认知实验 | 第44-49页 |
| 4.6.1 凹坑型障碍的检测 | 第45-48页 |
| 4.6.2 侧沟型障碍的检测 | 第48-49页 |
| 4.7 本章小结 | 第49-51页 |
| 第5章 总结与展望 | 第51-53页 |
| 5.1 工作总结 | 第51页 |
| 5.2 工作展望 | 第51-53页 |
| 致谢 | 第53-54页 |
| 参考文献 | 第54-57页 |
| 个人简历 | 第57页 |
