| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-15页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 国内外移动机器人发展与研究现状 | 第11页 |
| 1.3 移动机器人视觉定位研究 | 第11-13页 |
| 1.4 移动机器人地图创建研究 | 第13页 |
| 1.5 本论文的主要研究内容 | 第13-15页 |
| 第2章 移动机器人系统模型分析 | 第15-20页 |
| 2.1 坐标系模型 | 第15-16页 |
| 2.2 机器人运动学模型 | 第16-17页 |
| 2.3 视觉传感器模型 | 第17-18页 |
| 2.4 激光传感器模型 | 第18页 |
| 2.5 传感器噪声模型 | 第18-19页 |
| 2.6 本章小结 | 第19-20页 |
| 第3章 基于减法聚类和二值化的改进SIFT算法研究 | 第20-34页 |
| 3.1 引言 | 第20页 |
| 3.2 SIFT算法 | 第20-25页 |
| 3.2.1 尺度空间极值检测 | 第20-23页 |
| 3.2.2 特征点定位 | 第23-24页 |
| 3.2.3 特征点方向分配 | 第24页 |
| 3.2.4 生成特征描述符 | 第24-25页 |
| 3.3 改进的SIFT算法 | 第25-30页 |
| 3.3.1 改进的SIFT特征点检测 | 第25-26页 |
| 3.3.2 改进的SIFT生成特征描述符 | 第26-28页 |
| 3.3.3 改进的SIFT特征匹配 | 第28-30页 |
| 3.4 改进的SIFT算法总体流程 | 第30页 |
| 3.5 改进SIFT算法实验结果与分析 | 第30-33页 |
| 3.6 本章小结 | 第33-34页 |
| 第4章 基于全局特征与局部特征的图像分级匹配算法研究 | 第34-44页 |
| 4.1 引言 | 第34-35页 |
| 4.2 图像特征提取方法 | 第35-36页 |
| 4.2.1 局部特征及特征提取方法 | 第35页 |
| 4.2.2 全局特征及特征提取方法 | 第35-36页 |
| 4.3 改进的图像分级匹配算法 | 第36-38页 |
| 4.3.1 改进的图像匹配算法粗匹配 | 第36-37页 |
| 4.3.2 改进的图像匹配算法精确匹配 | 第37-38页 |
| 4.3.3 图像分级匹配算法总体流程 | 第38页 |
| 4.4 图像分级匹配算法实验研究及分析 | 第38-42页 |
| 4.4.1 实验参数的设定 | 第38-40页 |
| 4.4.2 图像匹配实验 | 第40-42页 |
| 4.5 融合特征图像匹配算法性能分析 | 第42-43页 |
| 4.6 本章小结 | 第43-44页 |
| 第5章 基于多特征融合的拓扑地图创建算法研究 | 第44-54页 |
| 5.1 引言 | 第44页 |
| 5.2 视觉特征和几何特征 | 第44-48页 |
| 5.3 多特征融合的改进拓扑地图 | 第48-50页 |
| 5.3.1 拓扑节点组成 | 第48-49页 |
| 5.3.2 拓扑节点构建准则 | 第49-50页 |
| 5.4 基于改进拓扑地图的环境建模实验与分析 | 第50-53页 |
| 5.5 本章小结 | 第53-54页 |
| 结论 | 第54-56页 |
| 参考文献 | 第56-61页 |
| 攻读硕士学位期间承担的科研任务与主要成果 | 第61-62页 |
| 致谢 | 第62页 |