| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 课题研究的背景与意义 | 第9-10页 |
| 1.2 清洁机器人障碍检测系统发展现状 | 第10-12页 |
| 1.2.1 国外发展现状 | 第10-11页 |
| 1.2.2 国内发展现状 | 第11-12页 |
| 1.3 基于视觉的障碍检测方法研究现状 | 第12-14页 |
| 1.3.1 基于单目视觉的障碍检测 | 第12-13页 |
| 1.3.2 基于立体视觉的障碍检测 | 第13-14页 |
| 1.4 论文安排 | 第14-15页 |
| 第二章 基于双目视觉的清洁机器人障碍检测系统整体方案设计 | 第15-23页 |
| 2.1 清洁机器人障碍检测系统整体架构 | 第15-16页 |
| 2.2 基于双目视觉的障碍检测系统的设计分析 | 第16-18页 |
| 2.2.1 双目视觉障碍检测原理 | 第16-17页 |
| 2.2.2 双目视觉的关键技术分析 | 第17-18页 |
| 2.3 清洁机器人视觉障碍检测系统的硬件平台 | 第18-22页 |
| 2.3.1 摄像头选型及图像处理器简介 | 第19页 |
| 2.3.2 图像采集模块 | 第19-22页 |
| 2.4 本章小结 | 第22-23页 |
| 第三章 摄像机成像模型与立体标定 | 第23-35页 |
| 3.1 摄像机成像模型 | 第23-26页 |
| 3.1.1 参考坐标系 | 第23-25页 |
| 3.1.2 摄像机线型成像模型 | 第25-26页 |
| 3.1.3 摄像机非线性成像模型 | 第26页 |
| 3.2 摄像机标定方法 | 第26-31页 |
| 3.2.1 传统摄像机标定方法 | 第26-31页 |
| 3.2.2 双目摄像机标定 | 第31页 |
| 3.3 实验结果与分析 | 第31-34页 |
| 3.4 本章小结 | 第34-35页 |
| 第四章 清洁机器人快速双目立体匹配算法研究 | 第35-51页 |
| 4.1 概述 | 第35-37页 |
| 4.1.1 双目视觉基本原理介绍 | 第35页 |
| 4.1.2 立体匹配中的基本约束 | 第35-37页 |
| 4.2 区域立体匹配算法 | 第37-42页 |
| 4.2.1 区域立体匹配的原理 | 第37-38页 |
| 4.2.2 相似性测度函数 | 第38-39页 |
| 4.2.3 匹配窗口的选择 | 第39页 |
| 4.2.4 实验结果和分析 | 第39-42页 |
| 4.3 用于障碍检测的实时双目立体匹配算法 | 第42-49页 |
| 4.3.1 多分辨率匹配 | 第43-44页 |
| 4.3.2 基于可变视差搜索区间的匹配算法 | 第44-46页 |
| 4.3.3 视差精度的相关改进措施 | 第46-47页 |
| 4.3.4 改进的快速区域匹配算法的实现 | 第47-48页 |
| 4.3.5 实验结果与分析 | 第48-49页 |
| 4.4 本章小结 | 第49-51页 |
| 第五章 基于双目视觉的清洁机器人障碍检测系统 | 第51-67页 |
| 5.1 基于双目视觉的障碍检测方法 | 第51-55页 |
| 5.1.1 障碍检测方法总体设计 | 第51-52页 |
| 5.1.2 三维重建 | 第52-53页 |
| 5.1.3 过滤地面及行进路线以外干扰 | 第53-55页 |
| 5.1.4 图像阈值分割 | 第55页 |
| 5.1.5 目标障碍物信息的提取 | 第55页 |
| 5.2 PC平台实验结果与分析 | 第55-61页 |
| 5.2.1 实验环境介绍 | 第55-56页 |
| 5.2.2 实验结果与分析 | 第56-61页 |
| 5.3 双目障碍检测系统在嵌入式平台上的实现 | 第61-64页 |
| 5.3.1 嵌入式硬件平台的搭建 | 第61-62页 |
| 5.3.2 嵌入式软件平台的设计和实现 | 第62-64页 |
| 5.4 嵌入式平台实验结果与分析 | 第64-65页 |
| 5.5 本章小结 | 第65-67页 |
| 第六章 总结与展望 | 第67-69页 |
| 6.1 全文总结 | 第67页 |
| 6.2 全文展望 | 第67-69页 |
| 致谢 | 第69-71页 |
| 参考文献 | 第71-75页 |
| 作者在学期间的研究成果 | 第75页 |