基于视觉的AGV控制系统研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-20页 |
| 1.1 课题背景及研究意义 | 第10-12页 |
| 1.2 国内外研究现状 | 第12-17页 |
| 1.2.1 国外研究现状 | 第12-15页 |
| 1.2.2 国内研究现状 | 第15-17页 |
| 1.3 本课题研究内容与工作 | 第17-20页 |
| 第二章 AGV车体结构介绍和运动模型的建立 | 第20-34页 |
| 2.1 引言 | 第20页 |
| 2.2 视觉引导AGV车体轮式结构选择 | 第20-23页 |
| 2.2.1 三轮结构 | 第20-21页 |
| 2.2.2 四轮结构 | 第21页 |
| 2.2.3 五轮或六轮结构 | 第21-23页 |
| 2.3 视觉引导AGV的整体结构组成 | 第23-25页 |
| 2.4 AGV运动数学模型的建立 | 第25-33页 |
| 2.4.1 建模条件 | 第25页 |
| 2.4.2 AGV的位置模型 | 第25-27页 |
| 2.4.3 AGV运动偏差模型分析 | 第27-33页 |
| 2.5 本章小结 | 第33-34页 |
| 第三章 AGV视觉导引及路径识别方法 | 第34-54页 |
| 3.1 引言 | 第34页 |
| 3.2 AGV导引方式对比与选择 | 第34-35页 |
| 3.3 视觉导引技术原理 | 第35-38页 |
| 3.4 图像处理分析软件平台介绍 | 第38-40页 |
| 3.5 基于统计排序滤波的图像平滑 | 第40-42页 |
| 3.6 基于二维最大熵阈值法的图像分割 | 第42-47页 |
| 3.6.1 图像分割技术概述 | 第42-44页 |
| 3.6.2 二维最大熵阈值分割 | 第44-47页 |
| 3.7 导引图像边缘检测 | 第47-52页 |
| 3.7.1 图像的边缘特征 | 第47-48页 |
| 3.7.2 基于Canny算子边缘检测算法实现 | 第48-50页 |
| 3.7.3 色带识别与导引信息提取 | 第50-52页 |
| 3.8 本章小结 | 第52-54页 |
| 第四章 AGV轨迹跟踪器控制算法研究 | 第54-70页 |
| 4.1 引言 | 第54页 |
| 4.2 模糊控制原理 | 第54-55页 |
| 4.3 AGV模糊控制系统设计 | 第55-57页 |
| 4.4 AGV轨迹跟踪器控制算法的设计 | 第57页 |
| 4.5 工作模糊控制算法 | 第57-63页 |
| 4.5.1 AGV的输入输出量模糊化 | 第57-59页 |
| 4.5.2 AGV模糊控制规则建立 | 第59-62页 |
| 4.5.3 解模糊化 | 第62-63页 |
| 4.6 AGV模糊控制器的仿真结果及其分析 | 第63-68页 |
| 4.6.1 PID控制器仿真与分析 | 第63-65页 |
| 4.6.2 模糊控制器仿真与分析 | 第65-68页 |
| 4.7 本章小结 | 第68-70页 |
| 第五章 视觉引导AGV整车实验与测试 | 第70-78页 |
| 5.1 引言 | 第70页 |
| 5.2 试验平台搭建 | 第70-72页 |
| 5.3 AGV改进部分测试 | 第72-75页 |
| 5.3.1 视觉图像处理模块测试 | 第72-74页 |
| 5.3.2 AGV模糊控制器性能测试 | 第74-75页 |
| 5.4 AGV整车车间实际测试 | 第75-77页 |
| 5.5 本章小结 | 第77-78页 |
| 第六章 总结与展望 | 第78-80页 |
| 6.1 主要工作与创新点 | 第78-79页 |
| 6.2 更深入的研究 | 第79-80页 |
| 参考文献 | 第80-86页 |
| 致谢 | 第86-88页 |
| 攻读硕士学位期间取得的研究成果 | 第88页 |
