| 中文摘要 | 第4-5页 |
| abstract | 第5页 |
| 第一章 绪论 | 第8-14页 |
| 1.1 课题研究的背景 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-12页 |
| 1.3 研究意义及目的 | 第12页 |
| 1.4 论文研究内容 | 第12-14页 |
| 第二章 基于人工路标的室内机器人目标定位算法研究 | 第14-34页 |
| 2.1 常用的定位方法概述 | 第14页 |
| 2.2 建立移动机器人运动模型 | 第14-22页 |
| 2.3 经典的最优估计方法 | 第22-25页 |
| 2.3.1 最小二乘法 | 第22-23页 |
| 2.3.2 极大似然估计 | 第23-24页 |
| 2.3.3 贝叶斯估计 | 第24-25页 |
| 2.4 卡尔曼滤波 | 第25-29页 |
| 2.4.1 卡尔曼滤波原理 | 第26-29页 |
| 2.5 卡尔曼滤波模型的建立 | 第29-31页 |
| 2.5.1 建立移动机器人运动方程 | 第29页 |
| 2.5.2 建立基于卡尔曼滤波的状态和观测模型 | 第29-31页 |
| 2.6 实验仿真 | 第31-33页 |
| 2.7 本章小结 | 第33-34页 |
| 第三章 室内人工路标的图像及形状研究 | 第34-42页 |
| 3.1 路标的简介 | 第34-36页 |
| 3.1.1 可视自然路标 | 第34-35页 |
| 3.1.2 可视人工路标 | 第35-36页 |
| 3.2 人工路标的分类 | 第36-38页 |
| 3.2.1 基于颜色信息的人工路标 | 第36页 |
| 3.2.2 基于形状信息的人工路标 | 第36-37页 |
| 3.2.3 基于数字或字母的人工路标 | 第37-38页 |
| 3.2.4 基于特殊图像的人工路标 | 第38页 |
| 3.3 人工路标的设计 | 第38-40页 |
| 3.4 本章小结 | 第40-42页 |
| 第四章 基于MATLAB图像处理的人工路标识别算法研究 | 第42-58页 |
| 4.1 MATLAB图像处理简介 | 第42页 |
| 4.2 人工路标图像预处理 | 第42-52页 |
| 4.2.1 灰度化 | 第43-44页 |
| 4.2.2 图像增强 | 第44-47页 |
| 4.2.3 图像二值化 | 第47-49页 |
| 4.2.4 图像边缘检测 | 第49-52页 |
| 4.3 人工路标精确定位 | 第52-57页 |
| 4.3.1 基于形态学的处理 | 第53页 |
| 4.3.2 精确定位 | 第53-57页 |
| 4.4 本章小结 | 第57-58页 |
| 第五章 实验与结果分析 | 第58-64页 |
| 5.1 实验环境 | 第58-59页 |
| 5.2 实验结果分析 | 第59-63页 |
| 5.3 本章小结 | 第63-64页 |
| 结论与展望 | 第64-66页 |
| 结论 | 第64页 |
| 展望 | 第64-66页 |
| 参考文献 | 第66-69页 |
| 致谢 | 第69页 |