| 摘要 | 第1-6页 |
| Abstract | 第6-7页 |
| 目录 | 第7-10页 |
| 第1章 引言 | 第10-20页 |
| ·课题研究意义 | 第10-12页 |
| ·多机器人 SLAM 算法研究现状 | 第12-17页 |
| ·课题研究内容及组织结构 | 第17-18页 |
| ·主要研究内容 | 第17页 |
| ·本文组织结构 | 第17-18页 |
| ·本章小结 | 第18-20页 |
| 第2章 机器人同时定位与建图（SLAM）算法 | 第20-40页 |
| ·SLAM 算法概述 | 第20-24页 |
| ·移动机器人导航概述 | 第20-23页 |
| ·SLAM 算法的基本原理 | 第23-24页 |
| ·SLAM 算法研究内容 | 第24-38页 |
| ·定位 | 第25-32页 |
| ·地图表达 | 第32-36页 |
| ·传感器 | 第36-38页 |
| ·本章小结 | 第38-40页 |
| 第3章 多机器人 SLAM 算法 | 第40-60页 |
| ·多智能体系统简介 | 第40-47页 |
| ·多智能体系统的优点 | 第40-41页 |
| ·多智能体协作的体系结构 | 第41-44页 |
| ·基于线程同步的 UDP 传输的多智能体通信技术 | 第44-47页 |
| ·多机器人 SLAM 算法中的地图对齐技术 | 第47-57页 |
| ·空间坐标系变换 | 第48-50页 |
| ·齐次坐标表示 | 第50-51页 |
| ·机器人运动的齐次变换 | 第51-53页 |
| ·带有噪声模型的坐标变换 | 第53-55页 |
| ·多机器人全局地图创建中的地图对齐技术 | 第55-57页 |
| ·基于 Kinect 视觉机器人在多机器人 SLAM 系统中的视觉处理技术 | 第57-59页 |
| ·机器人识别 | 第57-58页 |
| ·机器人运动路径中局部路径获取 | 第58-59页 |
| ·本章小结 | 第59-60页 |
| 第4章 基于改进数据关联技术的多机器人 SLAM 算法 | 第60-78页 |
| ·数据关联算法 | 第60-66页 |
| ·单值数据关联算法比较 | 第61-63页 |
| ·批数据关联 | 第63-66页 |
| ·SIFT 特征用于 SLAM 数据关联 | 第66-69页 |
| ·基于遗传算法的 SLAM 数据关联算法 | 第69-77页 |
| ·遗传算法的基本原理 | 第71-74页 |
| ·GAJML 算法模型 | 第74-77页 |
| ·本章小结 | 第77-78页 |
| 第5章 实验验证 | 第78-88页 |
| ·实验环境 | 第78-80页 |
| ·硬件环境 | 第78-79页 |
| ·软件环境 | 第79-80页 |
| ·数据采集 | 第80-81页 |
| ·数据关联 | 第81-83页 |
| ·SLAM | 第83-86页 |
| ·本章小结 | 第86-88页 |
| 第6章 总结和展望 | 第88-90页 |
| ·总结 | 第88-89页 |
| ·展望 | 第89-90页 |
| 参考文献 | 第90-96页 |
| 攻读硕士期间已发表的论文 | 第96-98页 |
| 致谢 | 第98页 |