| 摘要 | 第4-5页 |
| abstract | 第5页 |
| 1 绪论 | 第9-14页 |
| 1.1 课题的来源、背景及意义 | 第9页 |
| 1.2 国内外研究现状 | 第9-12页 |
| 1.2.1 挖掘机器人技术 | 第9-11页 |
| 1.2.2 多传感器信息融合技术 | 第11页 |
| 1.2.3 图像分割技术 | 第11-12页 |
| 1.2.4 环境电子地图技术 | 第12页 |
| 1.3 课题主要研究内容 | 第12-13页 |
| 1.4 论文的组织结构 | 第13-14页 |
| 2 环境感知系统与多传感器标定 | 第14-27页 |
| 2.1 模型相关技术 | 第14-17页 |
| 2.1.1 项目指标 | 第14页 |
| 2.1.2 环境感知系统 | 第14-15页 |
| 2.1.3 硬件配置及开发环境 | 第15-17页 |
| 2.2 激光雷达和CCD摄像头的标定 | 第17-24页 |
| 2.2.1 概述 | 第17-18页 |
| 2.2.2 激光雷达的工作原理 | 第18页 |
| 2.2.3 激光雷达的标定研究 | 第18-20页 |
| 2.2.4 摄像头的标定方法研究 | 第20-23页 |
| 2.2.5 摄像头标定结果实现 | 第23-24页 |
| 2.3 激光雷达和CCD摄像头的联合标定 | 第24-26页 |
| 2.4 本章小结 | 第26-27页 |
| 3 融合激光雷达信息的自适应目标分割技术研究 | 第27-50页 |
| 3.1 基于激光雷达的目标检测 | 第27-29页 |
| 3.1.1 凹凸障碍物的检测原理 | 第27-28页 |
| 3.1.2 激光雷达数据表示与处理 | 第28-29页 |
| 3.2 基于SURF渐入渐出的改进融合算法的图像拼接 | 第29-39页 |
| 3.2.1 SURF特征提取算法 | 第30-32页 |
| 3.2.2 特征点匹配的改进-Lowes算法 | 第32-33页 |
| 3.2.3 渐入渐出融合算法 | 第33页 |
| 3.2.4 基于SURF渐入渐出改进的非线性权重融合算法 | 第33-35页 |
| 3.2.5 实验结果与分析 | 第35-39页 |
| 3.3 基于激光雷达的SLIC的Grabcut目标分割改进算法 | 第39-49页 |
| 3.3.1 SLIC超像素算法 | 第39-40页 |
| 3.3.2 Grabcut分割算法 | 第40-42页 |
| 3.3.3 改进的基于SLIC的Grabcut目标分割 | 第42-44页 |
| 3.3.4 实验结果分析 | 第44-49页 |
| 3.5 本章小结 | 第49-50页 |
| 4 多传感器信息模糊推理融合障碍物检测与分类 | 第50-60页 |
| 4.1 障碍物的位置环境类型 | 第50页 |
| 4.2 基于模糊推理的多传感器信息融合的障碍物检测 | 第50-55页 |
| 4.2.1 模糊推理算法 | 第51-52页 |
| 4.2.2 基于模糊推理多传感器信息融合的障碍物检测 | 第52-55页 |
| 4.3 基于C4.5算法的决策树障碍物分类 | 第55-57页 |
| 4.3.1 决策树算法 | 第55页 |
| 4.3.2 基于C4.5算法的障碍物分类 | 第55-57页 |
| 4.4 实验结果分析 | 第57-59页 |
| 4.5 本章小结 | 第59-60页 |
| 5 具有模糊推理更新的EKF机器人定位与地图创建 | 第60-84页 |
| 5.1 数据关联 | 第60-62页 |
| 5.1.1 马氏距离 | 第60-61页 |
| 5.1.2 椭圆门限过滤 | 第61-62页 |
| 5.1.3 基于最邻近算法的数据关联 | 第62页 |
| 5.2 环境模型坐标系转换 | 第62-66页 |
| 5.2.1 特征点坐标系转换 | 第62-63页 |
| 5.2.2 特征线段坐标系转换 | 第63-64页 |
| 5.2.3 栅格地图的建立 | 第64-66页 |
| 5.3 EKF-SLAM算法 | 第66-71页 |
| 5.3.1 基于EKF的SLAM算法研究 | 第67-70页 |
| 5.3.2 EKF-SLAM算法缺陷 | 第70-71页 |
| 5.4 基于模糊更新的EKF-SLAM算法研究 | 第71-74页 |
| 5.5 实验仿真结果与分析 | 第74-83页 |
| 5.6 本章小结 | 第83-84页 |
| 结论 | 第84-86页 |
| 致谢 | 第86-87页 |
| 参考文献 | 第87-92页 |
| 攻读学位期间发表的与学位论文内容相关的学术论文及研究成果 | 第92页 |
