移动机器人SLAM问题研究
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 引言 | 第7-15页 |
| ·移动机器人的发展 | 第7-9页 |
| ·移动机器人的相关研究 | 第9-11页 |
| ·机器人环境建模 | 第9-10页 |
| ·机器人定位 | 第10-11页 |
| ·移动机器人同时定位与地图建模 | 第11-12页 |
| ·SLAM的相关问题 | 第12-13页 |
| ·论文的主要工作和创新点 | 第13页 |
| ·论文的组织结构 | 第13-15页 |
| 第二章 SLAM问题研究综述 | 第15-22页 |
| ·SLAM问题的研究 | 第15-21页 |
| ·研究进展 | 第15-16页 |
| ·SLAM问题数学模型 | 第16-17页 |
| ·基于EKF的SLAM方法 | 第17-18页 |
| ·基于粒子滤波的SLAM方法 | 第18-20页 |
| ·对现有方法的分析 | 第20-21页 |
| ·基于匹配的SLAM问题解决方法 | 第21-22页 |
| 第三章 路标提取 | 第22-30页 |
| ·SLAM中的路标提取 | 第22-23页 |
| ·激光传感器模型 | 第23页 |
| ·路标提取 | 第23-28页 |
| ·路标提取流程 | 第23-24页 |
| ·实体分离 | 第24-26页 |
| ·路标筛选 | 第26-28页 |
| ·仿真结果 | 第28-29页 |
| ·小结 | 第29-30页 |
| 第四章 基于匹配的SLAM方法 | 第30-53页 |
| ·SLAM算法框架 | 第30-31页 |
| ·Delaunay Triangulation | 第31-33页 |
| ·构建地图 | 第33页 |
| ·路标匹配 | 第33-35页 |
| ·多重估计数据关联 | 第35-37页 |
| ·机器人位姿计算 | 第37-41页 |
| ·奇异值分解 | 第38-40页 |
| ·应用奇异值分解计算机器人位姿 | 第40-41页 |
| ·最优估计 | 第41-43页 |
| ·匹配度计算 | 第42-43页 |
| ·路标权重计算及更新 | 第43页 |
| ·说明 | 第43页 |
| ·地图更新 | 第43-44页 |
| ·实验结果 | 第44-52页 |
| ·Victoria Park数据集 | 第44-45页 |
| ·路标提取结果 | 第45-46页 |
| ·SLAM实验结果 | 第46-52页 |
| ·小结 | 第52-53页 |
| 第五章 总结和展望 | 第53-54页 |
| 参考文献 | 第54-57页 |
| 攻读硕士期间发表的论文 | 第57-58页 |
| 致谢 | 第58-59页 |
