| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第1章 引言 | 第10-16页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 国内外扫地机器人的研究现状 | 第11-13页 |
| 1.2.1 国外扫地机器人的发展现状 | 第11-12页 |
| 1.2.2 国内扫地机器人的发展现状 | 第12-13页 |
| 1.2.3 清扫机器人存在的问题分析 | 第13页 |
| 1.3 机器人研究的关键问题 | 第13-14页 |
| 1.4 论文的主要工作和结构 | 第14-15页 |
| 1.5 本章总结 | 第15-16页 |
| 第2章 扫地机器人的设计和结构 | 第16-22页 |
| 2.1 扫地机器人功能需求分析 | 第16页 |
| 2.2 扫地机器人的硬件组成 | 第16-20页 |
| 2.2.1 移动结构 | 第17页 |
| 2.2.2 传感器系统 | 第17-18页 |
| 2.2.3 电池电量模块 | 第18页 |
| 2.2.4 输入输出部分 | 第18-19页 |
| 2.2.5 控制模块 | 第19-20页 |
| 2.3 扫地机器人软件设计 | 第20-21页 |
| 2.4 本章小结 | 第21-22页 |
| 第3章 SLAM系统的研究 | 第22-35页 |
| 3.1 SLAM系统简介 | 第22页 |
| 3.2 基于SLAM移动机器人问题概述 | 第22-23页 |
| 3.3 SLAM系统定位实现方法 | 第23-27页 |
| 3.3.1 卡尔曼滤波方法 | 第23-24页 |
| 3.3.2 粒子滤波方法 | 第24页 |
| 3.3.3 扩展卡尔曼滤波方法 | 第24-26页 |
| 3.3.4 三种定位实现方法的比较 | 第26-27页 |
| 3.4 SLAM系统的主要研究内容 | 第27-30页 |
| 3.4.1 地图的表示方式比较 | 第27-29页 |
| 3.4.2 不确定信息的描述与检测 | 第29页 |
| 3.4.3 定位与环境特征提取方法 | 第29-30页 |
| 3.5 SLAM系统的实现难点 | 第30-32页 |
| 3.5.1 数据关联 | 第30页 |
| 3.5.2 闭环检测 | 第30-31页 |
| 3.5.3 图优化 | 第31-32页 |
| 3.6 SLAM系统的实现方式比较 | 第32-33页 |
| 3.7 SLAM系统与路径规划算法的结合 | 第33-34页 |
| 3.8 本章小结 | 第34-35页 |
| 第4章 SIFT算法的研究 | 第35-44页 |
| 4.1 SIFT算法综述 | 第35-36页 |
| 4.2 尺度空间极值检测 | 第36-39页 |
| 4.2.1 尺度空间理论 | 第36-37页 |
| 4.2.2 尺度空间的表示 | 第37-38页 |
| 4.2.3 空间极值点的检测及高斯差分金字塔构建 | 第38-39页 |
| 4.3 关键点定位 | 第39-40页 |
| 4.3.1 关键点精确定位 | 第39页 |
| 4.3.2 消除边缘响应 | 第39-40页 |
| 4.4 方向确定 | 第40-41页 |
| 4.5 关键点描述 | 第41-42页 |
| 4.6 SIFT特征向量的匹配 | 第42页 |
| 4.7 SIFT算法的使用 | 第42-43页 |
| 4.8 本章小结 | 第43-44页 |
| 第5章 基于EKF-SLAM算法单目SLAM系统的仿真与实现 | 第44-56页 |
| 5.1 扫地机器人的数学模型设计 | 第44-46页 |
| 5.1.1 扫地机器人的坐标模型 | 第44页 |
| 5.1.2 扫地机器人的运动模型 | 第44-45页 |
| 5.1.3 扫地机器人的观测模型 | 第45-46页 |
| 5.2 算法检验 | 第46-51页 |
| 5.2.1 SIFT算法优化结果 | 第46-49页 |
| 5.2.2 定位算法流程 | 第49-51页 |
| 5.2.3 基于算法流程的仿真 | 第51页 |
| 5.3 实际测试 | 第51-55页 |
| 5.4 本章小结 | 第55-56页 |
| 第6章 总结与展望 | 第56-58页 |
| 6.1 总结 | 第56-57页 |
| 6.2 展望 | 第57-58页 |
| 参考文献 | 第58-61页 |
| 致谢 | 第61页 |