智能清扫机器人地图创建及创建中的关联算法研究
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-8页 |
| 1 绪论 | 第8-15页 |
| ·引言 | 第8-9页 |
| ·智能清扫机器人研究背景 | 第8-9页 |
| ·智能清扫机器人研究意义 | 第9页 |
| ·智能清扫机器人研究现状 | 第9-12页 |
| ·国外研究现状 | 第9-11页 |
| ·国内研究现状 | 第11-12页 |
| ·智能清扫机器人研究中的关键技术 | 第12-13页 |
| ·传感器技术 | 第12页 |
| ·环境建模技术 | 第12-13页 |
| ·定位技术 | 第13页 |
| ·路径规划技术 | 第13页 |
| ·吸尘、清扫技术 | 第13页 |
| ·本文研究内容 | 第13-15页 |
| 2 室内局部地图创建与特征点检测 | 第15-28页 |
| ·引言 | 第15页 |
| ·环境特征检测技术 | 第15-16页 |
| ·基于可见光的视觉传感器 | 第15页 |
| ·基于深度信息的视觉传感器 | 第15-16页 |
| ·基于距离信息的传感器 | 第16页 |
| ·地图表示方法 | 第16-17页 |
| ·几何特征地图 | 第16页 |
| ·栅格地图 | 第16-17页 |
| ·拓扑地图 | 第17页 |
| ·局部地图的创建 | 第17-24页 |
| ·数据预处理 | 第18-19页 |
| ·基于距离的区域分割 | 第19-20页 |
| ·线段提取 | 第20-22页 |
| ·线段拟合 | 第22-23页 |
| ·同线合并 | 第23-24页 |
| ·局部环境特征点的检测 | 第24-25页 |
| ·断点的检测 | 第24页 |
| ·角点的检测 | 第24-25页 |
| ·实验与分析 | 第25-27页 |
| ·本章小结 | 第27-28页 |
| 3 地图创建中的SLAM算法 | 第28-39页 |
| ·引言 | 第28页 |
| ·卡尔曼滤波器算法原理 | 第28-30页 |
| ·扩展卡尔曼滤波器算法 | 第30-31页 |
| ·基于EKF的清扫机器人SLAM算法 | 第31-35页 |
| ·清扫机器人的状态模型 | 第31-32页 |
| ·状态初始化 | 第32页 |
| ·状态预测过程 | 第32-33页 |
| ·观测测量及预测过程 | 第33-34页 |
| ·状态向量更新过程 | 第34页 |
| ·状态向量增广过程 | 第34-35页 |
| ·EKF-SLAM算法的改进 | 第35-36页 |
| ·仿真实验及分析 | 第36-38页 |
| ·本章小结 | 第38-39页 |
| 4 SLAM算法中数据关联的研究 | 第39-50页 |
| ·引言 | 第39页 |
| ·数据关联中的基本概念 | 第39-42页 |
| ·马氏距离 | 第39-40页 |
| ·卡方分布 | 第40页 |
| ·门限过滤 | 第40-42页 |
| ·SLAM中的数据关联算法研究 | 第42-46页 |
| ·独立相容最近邻算法 | 第42-43页 |
| ·联合兼容算法 | 第43-44页 |
| ·联续兼容最近邻算法及其改进 | 第44-46页 |
| ·其他数据关联方法 | 第46页 |
| ·仿真实验与分析 | 第46-49页 |
| ·本章小结 | 第49-50页 |
| 5 全局地图的创建 | 第50-58页 |
| ·引言 | 第50页 |
| ·平面坐标转换 | 第50-53页 |
| ·特征点局部坐标向全局坐标的转换 | 第50-51页 |
| ·特征点全局坐标向局部坐标的转换 | 第51-52页 |
| ·特征线段局部坐标向全局坐标的转换 | 第52页 |
| ·特征线段全局坐标向局部坐标的转换 | 第52-53页 |
| ·全局地图的创建 | 第53-55页 |
| ·相关线段判断 | 第53页 |
| ·相关线段的融合 | 第53页 |
| ·全局地图的创建 | 第53-55页 |
| ·实验与结论 | 第55-56页 |
| ·本章小结 | 第56-58页 |
| 6 总结与展望 | 第58-61页 |
| ·课题总结 | 第58-59页 |
| ·不足与展望 | 第59-61页 |
| 致谢 | 第61-62页 |
| 参考文献 | 第62-65页 |
