基于视觉的平地探测机器人避障研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第9-19页 |
| 1.1 论文的研究背景与意义 | 第9-11页 |
| 1.2 障碍物检测技术 | 第11-13页 |
| 1.3 移动机器人视觉避障关键技术 | 第13-16页 |
| 1.3.1 障碍物信息检测 | 第13-14页 |
| 1.3.2 避障路径规划技术 | 第14-15页 |
| 1.3.3 机器人实时定位与控制技术 | 第15-16页 |
| 1.4 移动机器人纯视觉避障研究现状 | 第16-17页 |
| 1.5 本文研究的主要内容 | 第17-19页 |
| 2 基于单目视觉的障碍物定位 | 第19-33页 |
| 2.1 典型机器人视觉系统分析比较 | 第19-21页 |
| 2.1.1 单目视觉 | 第19-20页 |
| 2.1.2 双目视觉 | 第20页 |
| 2.1.3 全景视觉 | 第20-21页 |
| 2.2 摄像头偏置的单目视觉定位模型建立 | 第21-30页 |
| 2.2.1 单目摄像头标定 | 第21-22页 |
| 2.2.2 单目摄像头测量距离及角度 | 第22-30页 |
| 2.3 单目视觉定位模型试验与结果分析 | 第30-32页 |
| 2.3.1 静态试验及数据分析 | 第30-31页 |
| 2.3.2 动态试验及数据分析 | 第31-32页 |
| 2.4 本章小结 | 第32-33页 |
| 3 基于图像处理的障碍物检测 | 第33-48页 |
| 3.1 特征提取与色彩空间确定 | 第33-34页 |
| 3.2 彩色图像单颜色分量阀值化 | 第34-37页 |
| 3.3 图像形态学滤波增强处理 | 第37-39页 |
| 3.4 变邻域搜索+双向扫描的图像连通域提取 | 第39-44页 |
| 3.4.1 二值图像连通域提取算法 | 第39-40页 |
| 3.4.2 变邻域像素搜索 | 第40-42页 |
| 3.4.3 标记冲突的处理 | 第42-44页 |
| 3.5 单个障碍物特征参数获取 | 第44-45页 |
| 3.6 基于“切割”思想的多个障碍物处理 | 第45-47页 |
| 3.7 本章小结 | 第47-48页 |
| 4 基于人工势场法的避障路径规划与底层控制研究 | 第48-60页 |
| 4.1 人工势场法原理 | 第48-49页 |
| 4.2 基于人工势场法的底层控制方式实现 | 第49-52页 |
| 4.2.1 探测机器人的运动学模型 | 第50-51页 |
| 4.2.2 非完整约束问题分析 | 第51页 |
| 4.2.3 人工势场法的合力矢量映射 | 第51-52页 |
| 4.3 基于ADAMS的人工势场法仿真研究 | 第52-59页 |
| 4.3.1 ADAMS避障仿真模型 | 第53-54页 |
| 4.3.2 运动仿真及结果分析 | 第54-59页 |
| 4.4 本章小结 | 第59-60页 |
| 5 探测机器人视觉避障试验研究 | 第60-72页 |
| 5.1 试验目的与内容 | 第60页 |
| 5.1.1 试验目的 | 第60页 |
| 5.1.2 试验内容 | 第60页 |
| 5.2 试验平台搭建 | 第60-67页 |
| 5.2.1 试验所需硬件 | 第61-65页 |
| 5.2.2 试验所需软件 | 第65-67页 |
| 5.3 试验过程 | 第67-69页 |
| 5.4 试验结果分析 | 第69-71页 |
| 5.5 本章小结 | 第71-72页 |
| 6 总结与展望 | 第72-74页 |
| 6.1 全文总结 | 第72-73页 |
| 6.2 研究工作展望 | 第73-74页 |
| 参考文献 | 第74-78页 |
| 附录 | 第78-80页 |
| 攻读学位期间主要的研究成果 | 第80-81页 |
| 致谢 | 第81页 |
