| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 1 绪论 | 第7-13页 |
| 1.1 研究背景与意义 | 第7页 |
| 1.2 研究现状 | 第7-11页 |
| 1.2.1 多机器人系统的研究现状 | 第7-8页 |
| 1.2.2 室内多机器人系统关键技术研究现状 | 第8-11页 |
| 1.2.2.1 室内定位技术的研究 | 第8-10页 |
| 1.2.2.2 编队控制算法的研究 | 第10-11页 |
| 1.3 主要研究内容与章节安排 | 第11-13页 |
| 2 室内多机器人系统定位与分布式控制平台简介 | 第13-17页 |
| 2.1 系统总体结构 | 第13-14页 |
| 2.2 系统工作原理 | 第14-15页 |
| 2.3 系统软件架构 | 第15-16页 |
| 2.3.1 PC端软件 | 第15-16页 |
| 2.3.2 机器人端软件 | 第16页 |
| 2.4 本章小结 | 第16-17页 |
| 3 基于视频信息的目标识别与跟踪技术 | 第17-33页 |
| 3.1 基于视频信息的室内定位流程 | 第17-18页 |
| 3.2 颜色空间 | 第18-19页 |
| 3.2.1 RGB颜色空间 | 第18页 |
| 3.2.2 HSV颜色空间 | 第18-19页 |
| 3.2.3 RGB与HSV颜色空间转换 | 第19页 |
| 3.3 目标识别 | 第19-23页 |
| 3.3.1 基于OpenCV的双阈值圆形检测 | 第19-21页 |
| 3.3.2 二分量颜色直方图的多机器人识别 | 第21-23页 |
| 3.4 目标跟踪 | 第23-28页 |
| 3.4.1 传统的CamShift跟踪算法 | 第23-25页 |
| 3.4.2 改进的CamShift跟踪算法 | 第25-26页 |
| 3.4.3 Kalman滤波 | 第26-27页 |
| 3.4.4 运动目标的Kalman滤波状态估计与改进CamShift算法的结合 | 第27-28页 |
| 3.5 实验结果及分析 | 第28-32页 |
| 3.6 本章小结 | 第32-33页 |
| 4 基于视频的目标定位技术 | 第33-44页 |
| 4.1 摄像机标定的基础知识 | 第33-36页 |
| 4.1.1 摄像机标定坐标系 | 第33-35页 |
| 4.1.2 摄像机模型 | 第35-36页 |
| 4.2 标定算法 | 第36-39页 |
| 4.3 机器人视觉定位的实现 | 第39-41页 |
| 4.3.1 内参数的标定 | 第39-40页 |
| 4.3.2 外参数的标定 | 第40-41页 |
| 4.3.3 误差分析 | 第41页 |
| 4.4 机器人运动参数获取 | 第41-43页 |
| 4.5 本章小结 | 第43-44页 |
| 5 多机器人系统的编队算法研究 | 第44-55页 |
| 5.1 预备知识 | 第44-45页 |
| 5.1.1 图论 | 第44-45页 |
| 5.1.2 二阶系统模型 | 第45页 |
| 5.2 差动式移动机器人模型 | 第45-47页 |
| 5.3 二阶一致性协议 | 第47-49页 |
| 5.4 仿真分析 | 第49-53页 |
| 5.5 本章小结 | 第53-55页 |
| 6 多机器人分布式控制算法的实现与实验研究 | 第55-61页 |
| 6.1 多机器人编队控制算法流程 | 第55-56页 |
| 6.2 编队测试流程 | 第56-58页 |
| 6.3 编队测试结果 | 第58-60页 |
| 6.4 本章总结 | 第60-61页 |
| 7 总结与展望 | 第61-63页 |
| 7.1 总结 | 第61页 |
| 7.2 展望 | 第61-63页 |
| 致谢 | 第63-64页 |
| 参考文献 | 第64-68页 |
| 附录 | 第68页 |