| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第9-14页 |
| 1.1 课题研究的背景及意义 | 第9页 |
| 1.2 智能移动机器人发展现状 | 第9-11页 |
| 1.3 运动目标的检测与跟踪研究现状 | 第11-12页 |
| 1.4 本文的主要内容 | 第12-13页 |
| 1.5 本章小结 | 第13-14页 |
| 2 系统方案设计与机器人模型的建立 | 第14-30页 |
| 2.1 系统方案设计 | 第14-16页 |
| 2.2 移动机器人目标跟踪平台 | 第16-17页 |
| 2.2.1 机器人平台简介 | 第16-17页 |
| 2.2.2 传感器选择 | 第17页 |
| 2.3 机器人模型与坐标系的建立 | 第17-26页 |
| 2.3.1 平面笛卡尔坐标系统 | 第17-19页 |
| 2.3.2 机器人运动学模型 | 第19-21页 |
| 2.3.3 摄像机内外参数模型 | 第21-24页 |
| 2.3.4 图像雅克比矩阵 | 第24-26页 |
| 2.4 基于Matlab与ARIA库函数的混合编程方法 | 第26-29页 |
| 2.5 本章小结 | 第29-30页 |
| 3 运动目标检测 | 第30-46页 |
| 3.1 运动区域提取 | 第30-34页 |
| 3.2 运动目标中心点提取 | 第34-35页 |
| 3.3 运动目标预测与跟踪 | 第35-41页 |
| 3.3.1 kalman滤波器简介 | 第35-37页 |
| 3.3.2 基于kalman滤波的目标点位置预测及跟踪 | 第37-41页 |
| 3.4 实验结果与分析 | 第41-45页 |
| 3.5 本章小结 | 第45-46页 |
| 4 基于多传感器信息的目标跟踪 | 第46-62页 |
| 4.1 基于视觉的传感器跟踪方法 | 第46-53页 |
| 4.1.1 视觉伺服概述 | 第46-47页 |
| 4.1.2 基于图像的机器人视觉伺服模型 | 第47-50页 |
| 4.1.3 基于运动的背景补偿技术 | 第50-53页 |
| 4.2 基于声纳传感器的移动目标检测与跟踪 | 第53-55页 |
| 4.3 基于距离加权的机器人跟踪方法 | 第55-57页 |
| 4.5 实验结果及分析 | 第57-61页 |
| 4.6 本章小结 | 第61-62页 |
| 结论 | 第62-64页 |
| 参考文献 | 第64-68页 |
| 攻读硕士学位期间发表学术论文情况 | 第68-69页 |
| 致谢 | 第69-70页 |