| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 第一章 绪论 | 第7-13页 |
| 1.1 选题背景、目的及意义 | 第7-8页 |
| 1.2 移动机器人自主充电技术发展现状 | 第8-10页 |
| 1.2.1 国外移动机器人自主充电技术的研究现状 | 第8-9页 |
| 1.2.2 国内移动机器人自主充电技术的研究现状 | 第9-10页 |
| 1.3 视觉测量与伺服控制的研究现状 | 第10-12页 |
| 1.4 论文主要研究内容 | 第12-13页 |
| 第二章 移动机器人自主充电视觉识别策略 | 第13-17页 |
| 2.1 充电插座特征的提取 | 第13-14页 |
| 2.2 充电插座轮廓匹配理论 | 第14-15页 |
| 2.3 充电插座轮廓匹配的实现 | 第15-16页 |
| 2.4 本章小结 | 第16-17页 |
| 第三章 视觉位姿测量控制方案 | 第17-28页 |
| 3.1 视觉位姿测量概述 | 第17页 |
| 3.2 单双目视觉系统的比较 | 第17-18页 |
| 3.3 摄像机模型及其坐标系 | 第18-21页 |
| 3.4 基于张正友的摄像机标定 | 第21-23页 |
| 3.5 自主充电插座标定及距离角度信息的确定 | 第23-27页 |
| 3.5.1 距离信息的确定 | 第23-25页 |
| 3.5.2 角度信息的测定 | 第25-27页 |
| 3.6 本章小结 | 第27-28页 |
| 第四章 移动机器人运动姿态校正的研究 | 第28-38页 |
| 4.1 移动机器人运动学模型建立 | 第28-30页 |
| 4.2 移动机器人姿态的校正策略 | 第30-31页 |
| 4.3 基于Backstepping姿态控制器的设计 | 第31-33页 |
| 4.4 移动机器人自主充电姿态校正控制算法仿真验证 | 第33-37页 |
| 4.5 本章小结 | 第37-38页 |
| 第五章 基于视觉系统的充电插座识别算法的改进 | 第38-48页 |
| 5.1 基于SIFT算法的充电插座的识别 | 第38-43页 |
| 5.1.1 SIFT算法综述 | 第38-39页 |
| 5.1.2 尺度空间 | 第39页 |
| 5.1.3 关键点定位 | 第39-41页 |
| 5.1.4 关键点的方向确定 | 第41-43页 |
| 5.2 S-SIFT算法 | 第43-44页 |
| 5.2.1 S-SIFT算法与SIFT算法的区别 | 第43页 |
| 5.2.2 S-SIFT算法关键点描述的形成 | 第43-44页 |
| 5.3 实验结果与分析 | 第44-47页 |
| 5.4 本章小结 | 第47-48页 |
| 第六章 机器人自主充电平台的搭建及实验 | 第48-58页 |
| 6.1 实验平台硬件设计 | 第48-54页 |
| 6.1.1 电源模块单元 | 第49页 |
| 6.1.2 微控制器模块单元 | 第49-50页 |
| 6.1.3 运动控制模块单元 | 第50-51页 |
| 6.1.4 视觉传感模块单元 | 第51-52页 |
| 6.1.5 硬件外部接线图 | 第52-54页 |
| 6.2 软件相关开发库介绍 | 第54-55页 |
| 6.3 移动机器人自主充电策略 | 第55-56页 |
| 6.4 移动机器人自主充电实验测试 | 第56-57页 |
| 6.5 本章小结 | 第57-58页 |
| 结论 | 第58-59页 |
| 参考文献 | 第59-62页 |
| 致谢 | 第62-63页 |
| 个人简介 | 第63页 |