基于Android的智能小车控制系统研究与实现
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 研究背景与意义 | 第9-10页 |
| 1.2 课题研究现状 | 第10-13页 |
| 1.2.1 智能小车环境感知与建模方法研究现状 | 第10-11页 |
| 1.2.2 智能小车路径规划方法研究现状 | 第11-12页 |
| 1.2.3 Android发展现状 | 第12-13页 |
| 1.3 论文研究内容及组织结构 | 第13-15页 |
| 第二章 智能小车控制系统的总体设计方案 | 第15-23页 |
| 2.1 系统需求分析 | 第15-17页 |
| 2.1.1 功能性需求 | 第15-16页 |
| 2.1.2 非功能性需求 | 第16-17页 |
| 2.2 系统构成与框架 | 第17-19页 |
| 2.3 系统设计 | 第19-22页 |
| 2.3.1 系统硬件选择 | 第19-21页 |
| 2.3.2 系统软件设计 | 第21-22页 |
| 2.4 本章小结 | 第22-23页 |
| 第三章 基于图像处理的环境感知方法研究 | 第23-47页 |
| 3.1 环境感知的工作原理 | 第23-25页 |
| 3.2 简化的快速图像修复算法 | 第25-32页 |
| 3.2.1 快速行进算法 | 第25-27页 |
| 3.2.2 简化算法 | 第27-30页 |
| 3.2.3 实验结果与分析 | 第30-32页 |
| 3.3 障碍物分割和目标识别算法 | 第32-44页 |
| 3.3.1 形态学理论 | 第32-34页 |
| 3.3.2 基于HIS模型的障碍物分割方法 | 第34-40页 |
| 3.3.2.1 HIS色彩模型与RGB色彩模型 | 第34-36页 |
| 3.3.2.2 障碍物分割方法 | 第36-38页 |
| 3.3.2.3 实验结果与分析 | 第38-40页 |
| 3.3.3 目标的识别与定位 | 第40-44页 |
| 3.3.3.1 特征提取理论 | 第40-41页 |
| 3.3.3.2 目标识别与定位方法 | 第41-43页 |
| 3.3.3.3 实验结果与分析 | 第43-44页 |
| 3.4 本章小结 | 第44-47页 |
| 第四章 环境建模和搜索方法的研究 | 第47-61页 |
| 4.1 基于栅格法的环境建模 | 第47-51页 |
| 4.1.1 栅格法 | 第47-49页 |
| 4.1.1.1 栅格大小的选取 | 第48页 |
| 4.1.1.2 栅格标识方法 | 第48-49页 |
| 4.1.2 自适应栅格大小的建模方法 | 第49-50页 |
| 4.1.3 实验结果与分析 | 第50-51页 |
| 4.2 基于A~*算法的行为决策 | 第51-60页 |
| 4.2.1 A~*算法思想 | 第52-55页 |
| 4.2.1.1 A~*算法的结构 | 第53-54页 |
| 4.2.1.2 估价函数的选择 | 第54-55页 |
| 4.2.2 改进的A~*算法 | 第55-58页 |
| 4.2.2.1 问题描述 | 第55页 |
| 4.2.2.2 改进算法 | 第55-58页 |
| 4.2.3 实验结果与分析 | 第58-60页 |
| 4.3 本章小结 | 第60-61页 |
| 第五章 智能小车控制系统的实现 | 第61-71页 |
| 5.1 网络通信实现 | 第61-64页 |
| 5.1.1 消息类型和结构设计 | 第61-62页 |
| 5.1.2 Android终端与小车通信实现 | 第62-64页 |
| 5.2 系统模块处理流程与实现 | 第64-69页 |
| 5.2.1 摄像机连接与用户登录模块 | 第64-66页 |
| 5.2.2 显示与控制模块 | 第66-69页 |
| 5.2.2.1 视频显示子模块 | 第66-68页 |
| 5.2.2.2 任务处理子模块 | 第68-69页 |
| 5.3 本章小结 | 第69-71页 |
| 第六章 总结与展望 | 第71-73页 |
| 6.1 总结 | 第71页 |
| 6.2 展望 | 第71-73页 |
| 致谢 | 第73-75页 |
| 参考文献 | 第75-79页 |
| 硕士期间发表论文与其它科研成果 | 第79页 |
