| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 1 绪论 | 第10-17页 |
| 1.1 论文的选题背景及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-15页 |
| 1.2.1 传感器信息融合在智能机器人中应用的研究现状 | 第11-14页 |
| 1.2.2 移动机器人避障技术的研究现状 | 第14-15页 |
| 1.3 论文结构和内容 | 第15-17页 |
| 2 系统软件及硬件平台 | 第17-27页 |
| 2.1 系统软件平台 | 第17-18页 |
| 2.2 移动机器人开发平台介绍 | 第18-19页 |
| 2.3 AsusXtionProLive体感传感器 | 第19-23页 |
| 2.3.1 Xtion传感器硬件结构 | 第19-21页 |
| 2.3.2 Xtion传感器软件支持 | 第21-22页 |
| 2.3.3 Xtion传感器深度成像原理 | 第22-23页 |
| 2.4 激光测距仪 | 第23-26页 |
| 2.4.1 激光雷达简介 | 第23-25页 |
| 2.4.2 激光雷达工作原理 | 第25-26页 |
| 2.4.3 激光雷达通信协议 | 第26页 |
| 2.5 本章小结 | 第26-27页 |
| 3 异质传感器信息融合和补偿 | 第27-53页 |
| 3.1 深度摄像机数据预处理 | 第27-37页 |
| 3.1.1 摄像机标定 | 第27-32页 |
| 3.1.2 深度图像处理 | 第32-37页 |
| 3.2 激光雷达数据预处理 | 第37-40页 |
| 3.2.1 激光雷达原始数据分析 | 第37-39页 |
| 3.2.2 激光数据的滤波去噪 | 第39-40页 |
| 3.3 异质传感器信息融合的障碍物检测原理 | 第40-49页 |
| 3.3.1 多传感器融合的过程 | 第41-42页 |
| 3.3.2 多传感器融合模型的建立 | 第42-44页 |
| 3.3.3 基于最小二乘法的障碍物信息融合 | 第44-49页 |
| 3.3.4 障碍物位置的确定 | 第49页 |
| 3.4 实验结果与分析 | 第49-52页 |
| 3.5 本章小结 | 第52-53页 |
| 4 基于模糊控制的移动机器人避障策略研究 | 第53-66页 |
| 4.1 避障系统整体方案设计 | 第53-54页 |
| 4.2 机器人运动学分析 | 第54-56页 |
| 4.3 模糊控制理论 | 第56-58页 |
| 4.3.1 模糊控制的数学基础 | 第57页 |
| 4.3.2 模糊控制的基本原理 | 第57-58页 |
| 4.4 模糊控制器的设计 | 第58-65页 |
| 4.4.1 移动机器人避障控制模型 | 第58-60页 |
| 4.4.2 输入输出量的模糊化 | 第60-62页 |
| 4.4.3 模糊推理规则的建立 | 第62-64页 |
| 4.4.4 解模糊化 | 第64-65页 |
| 4.5 本章小结 | 第65-66页 |
| 5 实验结果与分析 | 第66-76页 |
| 5.1 VisualStudio2012与Matlab混合编程 | 第66-70页 |
| 5.1.1 模糊推理系统编辑器的应用 | 第66-68页 |
| 5.1.2 VisualStudio2012调用Matlab文件 | 第68-70页 |
| 5.2 移动机器人避障实验结果与分析 | 第70-75页 |
| 5.2.1 移动机器人避障实验 | 第70-73页 |
| 5.2.2 移动机器人避障实验 | 第73-75页 |
| 5.3 本章小结 | 第75-76页 |
| 6 结论与展望 | 第76-78页 |
| 6.1 结论 | 第76页 |
| 6.2 展望 | 第76-78页 |
| 参考文献 | 第78-84页 |
| 致谢 | 第84-85页 |
