机器人认知地图创建关键技术研究
摘要 | 第5-7页 |
Abstract | 第7-9页 |
表格目录 | 第13-14页 |
插图目录 | 第14-17页 |
英文缩略词 | 第17-18页 |
第一章 绪论 | 第18-41页 |
1.1 选题背景与意义 | 第18-20页 |
1.2 地图创建的研究问题 | 第20-24页 |
1.2.1 地图表示 | 第20-22页 |
1.2.2 创建方法 | 第22-24页 |
1.3 地图创建的研究现状 | 第24-36页 |
1.3.1 面向导航的地图创建 | 第25-32页 |
1.3.2 面向认知的地图创建 | 第32-36页 |
1.4 本课题的研究思路 | 第36-38页 |
1.5 论文的主要贡献 | 第38-39页 |
1.6 论文的组织结构 | 第39-41页 |
第二章 局部一致性三维建模 | 第41-58页 |
2.1 引言 | 第41-42页 |
2.2 相关理论 | 第42-45页 |
2.2.1 刚体变换 | 第42-44页 |
2.2.2 非线性最小二乘 | 第44-45页 |
2.3 一致性约束 | 第45-46页 |
2.4 局部一致性约束配准 | 第46-50页 |
2.4.1 对应关系建立 | 第47-48页 |
2.4.2 相对变换求解 | 第48-50页 |
2.5 增量式配准三维建模 | 第50-51页 |
2.6 实验结果 | 第51-57页 |
2.6.1 三维建模 | 第51页 |
2.6.2 方法比较 | 第51-57页 |
2.7 本章小结 | 第57-58页 |
第三章 室内场景中的未知物体分割 | 第58-84页 |
3.1 引言 | 第58-59页 |
3.2 相关工作 | 第59-62页 |
3.2.1 基于模型的分割方法 | 第60-61页 |
3.2.2 无模型分割方法 | 第61-62页 |
3.3 表面凹凸度 | 第62-67页 |
3.3.1 表面凹凸关系 | 第62-64页 |
3.3.2 凹凸度度量 | 第64-67页 |
3.4 基于表面凹凸度的场景分割 | 第67-74页 |
3.4.1 方法框架 | 第67-68页 |
3.4.2 深度图滤波 | 第68页 |
3.4.3 局部表面法方向估计 | 第68-70页 |
3.4.4 图构造与权重计算 | 第70-73页 |
3.4.5 分割与优化 | 第73-74页 |
3.5 实验与评估分析 | 第74-83页 |
3.5.1 实验数据与评价指标 | 第74-76页 |
3.5.2 实验设置与结果 | 第76-83页 |
3.6 本章小结 | 第83-84页 |
第四章 物体同时识别与建模 | 第84-108页 |
4.1 引言 | 第84-87页 |
4.2 相关工作 | 第87-89页 |
4.3 问题描述 | 第89-90页 |
4.4 基于视图的物体模型 | 第90-91页 |
4.5 概率观测模型 | 第91-93页 |
4.5.1 整体模型 | 第91-92页 |
4.5.2 表象模型 | 第92-93页 |
4.5.3 结构模型 | 第93页 |
4.6 概率推理 | 第93-94页 |
4.7 实现细节与实验结果 | 第94-106页 |
4.7.1 实现细节 | 第95-99页 |
4.7.2 实验结果 | 第99-106页 |
4.8 问题与讨论 | 第106-107页 |
4.9 本章小结 | 第107-108页 |
第五章 基于图像特征编码的场景识别 | 第108-126页 |
5.1 引言 | 第108-109页 |
5.2 特征编码 | 第109-111页 |
5.2.1 向量量化 | 第110页 |
5.2.2 稀疏编码 | 第110-111页 |
5.2.3 局部约束线性编码 | 第111页 |
5.3 拉普拉斯局部约束编码 | 第111-116页 |
5.3.1 LapLLC 形式化 | 第112-113页 |
5.3.2 LapLLC 求解 | 第113-114页 |
5.3.3 词典优化 | 第114页 |
5.3.4 近似 LapLLC 编码 | 第114-116页 |
5.4 基于特征编码的场景识别 | 第116-117页 |
5.5 实验结果 | 第117-125页 |
5.5.1 实验设置 | 第117-118页 |
5.5.2 实验结果及分析 | 第118-125页 |
5.6 本章小结 | 第125-126页 |
总结和展望 | 第126-129页 |
参考文献 | 第129-144页 |
攻读博士学位期间取得的研究成果 | 第144-146页 |
致谢 | 第146-147页 |
附件 | 第147页 |