声明
摘要
第一章 绪论
1.1 课题的研究背景及意义
1.2 国内外研究现状
1.3 移动机器人的障碍物检测与避障算法研究
1.3.1 传感器障碍物检测原理及方法
1.3.2 移动机器人避障路径规划研究
1.4 课题研究内容及章节安排
第二章 障碍物检测方法现状
2.1 传统障碍物检测原理及方法
2.1.1 超声传感器检测
2.1.2 单目视觉检测
2.1.3 立体视觉
2.1.4 激光雷达传感器
2.1.5 其他传感器及应用
2.2 信息融合法
2.2.1 多传感器信息融合的融合层次
2.2.2 多传感器信息融合的融合结构
2.2.3 多传感器信息融合的融合方法
2.3 本章小结
第三章 机器人避障路径规划算法
3.1 基于行为的机器人避障路径规划
3.2 基于模糊逻辑的算法
3.3 人工势场法
3.4 其他算法
3.5 本章小结
第四章 移动机器人的体系结构与软件架构
4.1 Voyager-IIA机器人体系结构
4.1.1 机器人的驱动控制系统
4.1.2 机器人的决策系统与通信系统
4.2 机器人的障碍物探测系统
4.2.1 视觉传感器
4.2.2 超声传感器
4.2.3 红外传感器
4.3 机器人软件系统结构
4.3.1 硬件通讯层
4.3.2 指令协议解析层
4.3.3 行为层
4.3.4 决策层
4.4 本章小结
第五章 障碍物检测与避障算法实施
5.1 基于图像信息熵的障碍物检测定位研究
5.1.1 图像预处理
5.1.2 基于图像信息熵的障碍物检测与粗定位
5.1.3 障碍物在图像中的精确定位
5.1.4 基于距离图像的障碍物定位
5.2 基于多传感器融合的障碍物检测定位
5.2.1 超声传感器数据的获取与融合处理
5.2.2 决策层数据融合
5.2.3 障碍物斥力点的选取
5.2.4 多传感器融合的其他应用
5.3 基于行为的机器人路径规划设计
5.3.1 行为单元分类
5.3.2 各行为单元的仲裁机制
5.3.3 各个行为控制设计
5.4 基于改进人工势场法的局部路径规划
5.4.1 经典人工势场法
5.4.2 经典人工势场法在避障路径规划应用中存在的问题及解决方案
5.4.3 解死锁行为
5.5 本章小结
第六章 实验结果及分析
6.1 图像预处理结果
6.2 视觉障碍物检测与定位结果
6.2.1 图像平均信息熵统计结果
6.2.2 障碍物边缘定位结果
6.2.3 距离图像测距结果
6.3 信息融合障碍物检测与定位结果
6.4 机器人趋向目标点行为实验结果
6.5 人工势场法的改进算法的实验结果
6.6 本章小结
第七章 总结与展望
7.1 总结
7.2 展望
参考文献
致谢
附录