| 1 绪论 | 第1-15页 |
| ·引言 | 第6页 |
| ·移动机器人发展现状 | 第6-8页 |
| ·国外移动机器人的发展 | 第6-7页 |
| ·国内移动机器人的发展 | 第7-8页 |
| ·移动机器人的关键技术 | 第8-11页 |
| ·机器人机构 | 第8页 |
| ·移动机器人的体系结构 | 第8-9页 |
| ·移动机器人的路径规划与避障 | 第9-10页 |
| ·移动机器人的导航与定位技术 | 第10-11页 |
| ·基于多传感器信息融合 | 第11页 |
| ·课题来源、研究背景及意义 | 第11-13页 |
| ·本文所作的研究工作 | 第13-15页 |
| 2 无信标边界生成和边界识别 | 第15-32页 |
| ·引言 | 第15页 |
| ·无信标边界生成和边界识别方案概述 | 第15-16页 |
| ·光电编码器--磁航向传感器组合定位系统 | 第16-20页 |
| ·光电编码器定位原理 | 第16-19页 |
| ·磁航向传感器工作原理简介 | 第19页 |
| ·光电编码器--磁航向传感器组合定位系统的性能和精度分析 | 第19-20页 |
| ·边界建立 | 第20-24页 |
| ·全局路径规划策略介绍 | 第20-21页 |
| ·边界信息的建立 | 第21-24页 |
| ·边界识别 | 第24-32页 |
| ·基本区域内的边界识别 | 第24-25页 |
| ·区域覆盖过程中累积误差的修正 | 第25-32页 |
| 3 基于RBF神经网络的航向角精确测量 | 第32-49页 |
| ·引言 | 第32页 |
| ·基于地磁的航向角测量 | 第32-35页 |
| ·磁航向传感器测量误差分析 | 第35-36页 |
| ·RBF神经网络原理和算法实现 | 第36-43页 |
| ·RBF神经网络实现航向角精确测量的可行性 | 第36页 |
| ·RBF神经网络 | 第36-38页 |
| ·OLE算法 | 第38-43页 |
| ·构建RBF神经网络实现航向角的精确测量 | 第43-49页 |
| ·RBF神经网络的构建 | 第43页 |
| ·训练样本的生成 | 第43-45页 |
| ·RBF神经网络训练和使用 | 第45-47页 |
| ·RBF神经网络方法测量航向角的精度分析 | 第47-49页 |
| 4 边界生成、识别系统的硬件实现和软件编程 | 第49-66页 |
| ·引言 | 第49页 |
| ·MORO-Ⅱ机械本体设计 | 第49-50页 |
| ·传感器的安装 | 第50页 |
| ·硬件电路设计 | 第50-57页 |
| ·硬件电路总体结构 | 第50-51页 |
| ·磁航向传感器信号处理电路 | 第51-54页 |
| ·光电编码器计数电路 | 第54-55页 |
| ·ATmega128及外围电路设计 | 第55-57页 |
| ·程序设计 | 第57-66页 |
| ·主程序设计 | 第57-58页 |
| ·边界生成模块 | 第58-61页 |
| ·边界信息处理模块 | 第61-63页 |
| ·边界识别模块 | 第63-64页 |
| ·定位误差修正中断服务程序 | 第64-66页 |
| 5 结论 | 第66-68页 |
| 致谢 | 第68-69页 |
| 参考文献 | 第69-75页 |
| 附录A RBF神经网络训练样本 | 第75-84页 |