基于RGB-D传感器的移动机器人三维重建与避障
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第1章 绪论 | 第9-16页 |
| 1.1 课题来源及研究的背景和意义 | 第9-10页 |
| 1.1.1 课题来源 | 第9页 |
| 1.1.2 研究背景及意义 | 第9-10页 |
| 1.2 国内外在该方向的研究现状及分析 | 第10-14页 |
| 1.2.1 国外研究现状 | 第10-12页 |
| 1.2.2 国内研究现状 | 第12页 |
| 1.2.3 国内外文献综述的简析 | 第12-14页 |
| 1.3 主要研究内容 | 第14-16页 |
| 第2章 移动机器人避障系统及模型 | 第16-27页 |
| 2.1 实验平台搭建 | 第16-17页 |
| 2.2 Pioneer移动机器人介绍 | 第17-19页 |
| 2.3 机器人平台的系统模型 | 第19-24页 |
| 2.3.1 机器人位置的表示 | 第19-21页 |
| 2.3.2 差动驱动机器人的运动学模型 | 第21-24页 |
| 2.4 Kinect视觉传感器 | 第24-26页 |
| 2.5 本章小结 | 第26-27页 |
| 第3章 三维重建与障碍物检测 | 第27-38页 |
| 3.1 三维点云重建 | 第27-30页 |
| 3.2 障碍物地图的构建 | 第30-34页 |
| 3.2.1 地面方程拟合 | 第30-32页 |
| 3.2.2 障碍物的筛选 | 第32页 |
| 3.2.3 创建障碍物栅格地图 | 第32-34页 |
| 3.3 Kinect探测障碍物性能测试 | 第34-37页 |
| 3.3.1 精确度测试 | 第34-35页 |
| 3.3.2 光照测试 | 第35页 |
| 3.3.3 多个Kinect的干扰 | 第35-37页 |
| 3.4 本章小结 | 第37-38页 |
| 第4章 动相机下的动目标检测 | 第38-49页 |
| 4.1 基于RPCA的动目标检测 | 第39-41页 |
| 4.2 奇异值分解加速算法 | 第41-43页 |
| 4.2.1 Lanczos算法 | 第41页 |
| 4.2.2 算法流程 | 第41-43页 |
| 4.3 增量式RPCA算法实现 | 第43-47页 |
| 4.3.1 替换新向量的矩阵快速分解 | 第43-45页 |
| 4.3.2 增量式RPCA算法 | 第45-47页 |
| 4.4 动目标检测实验 | 第47页 |
| 4.5 本章小结 | 第47-49页 |
| 第5章 避障算法与实验 | 第49-63页 |
| 5.1 常用的避障与路径规划算法 | 第49-51页 |
| 5.2 VFH算法介绍 | 第51-54页 |
| 5.2.1 环境建模 | 第51页 |
| 5.2.2 方向决策 | 第51-54页 |
| 5.3 改进的VFH算法 | 第54-56页 |
| 5.4 避障算法仿真 | 第56-58页 |
| 5.5 移动机器人避障实验 | 第58-62页 |
| 5.5.1 单障碍物躲避实验 | 第58-59页 |
| 5.5.2 多障碍物躲避实验 | 第59-61页 |
| 5.5.3 动目标检测实验 | 第61-62页 |
| 5.6 本章小结 | 第62-63页 |
| 结论 | 第63-64页 |
| 参考文献 | 第64-69页 |
| 致谢 | 第69页 |
