| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 1 引言 | 第10-16页 |
| 1.1 研究背景 | 第10-12页 |
| 1.2 国内外研究现状 | 第12-13页 |
| 1.3 本论文研究内容及组织结构 | 第13-14页 |
| 1.4 论文的主要创新点 | 第14-16页 |
| 2 机器人RoS系统 | 第16-20页 |
| 2.1 ROS系统概述及发展 | 第16页 |
| 2.2 ROS系统架构 | 第16-19页 |
| 2.2.1 文件系统级 | 第17-18页 |
| 2.2.2 计算图级 | 第18-19页 |
| 2.2.3 开源社区级 | 第19页 |
| 2.3 本章小结 | 第19-20页 |
| 3 基于轮廓与PCANet的手势识别技术 | 第20-35页 |
| 3.1 手势识别技术分类 | 第20-21页 |
| 3.1.1 基于传感设备的手势识别 | 第20-21页 |
| 3.1.2 基于计算机视觉的手势识别 | 第21页 |
| 3.2 手势识别算法概述 | 第21-25页 |
| 3.2.1 基于神经网络的识别算法 | 第21-22页 |
| 3.2.2 基于隐马尔科夫模型的手势识别 | 第22-23页 |
| 3.2.3 基于模板匹配的手势识别 | 第23-24页 |
| 3.2.4 指尖检测识别算法 | 第24-25页 |
| 3.3 基于轮廓凸包与PCANet的手势识别算法 | 第25-34页 |
| 3.3.1 图像预处理 | 第25-27页 |
| 3.3.2 轮廓提取 | 第27-28页 |
| 3.3.3 基于凸包算法的指尖提取与手势识别 | 第28-31页 |
| 3.3.4 通过PCANet识别手势 | 第31-33页 |
| 3.3.5 轮廓凸包与PCANet的结合 | 第33-34页 |
| 3.4 本章小结 | 第34-35页 |
| 4 机器人地图构建技术 | 第35-56页 |
| 4.1 机器人自定位 | 第35-42页 |
| 4.1.1 卡尔曼滤波定位算法 | 第35-38页 |
| 4.1.2 粒子滤波定位算法 | 第38-42页 |
| 4.2 移动机器人的SLAM结构与实现方法 | 第42-45页 |
| 4.2.1 移动机器人SLAM结构 | 第43页 |
| 4.2.2 地图表示 | 第43-44页 |
| 4.2.3 不确定信息处理 | 第44页 |
| 4.2.4 关联数据 | 第44页 |
| 4.2.5 机器人定位 | 第44-45页 |
| 4.3 基于Rao-Blackwellization的SLAM算法 | 第45-49页 |
| 4.3.1 Rao-Blackwellization分解 | 第45-46页 |
| 4.3.2 通过EKF构建地图 | 第46-48页 |
| 4.3.3 基于特征地图的SLAM算法 | 第48-49页 |
| 4.4 基于栅格地图的SLAM | 第49-55页 |
| 4.4.1 栅格地图的表示 | 第50-53页 |
| 4.4.2 基于栅格地图的SLAM算法 | 第53-54页 |
| 4.4.3 栅格地图的SLAM改进 | 第54-55页 |
| 4.5 本章小结 | 第55-56页 |
| 5 机器人总体设计与实现 | 第56-68页 |
| 5.1 系统实现平台 | 第56-58页 |
| 5.2 手势识别与控制的仿真与实现 | 第58-61页 |
| 5.3 移动机器人SLAM仿真与实现 | 第61-67页 |
| 5.3.1 基于特征地图的SLAM仿真 | 第61-63页 |
| 5.3.2 基于栅格地图的SLAM仿真与实现 | 第63-65页 |
| 5.3.3 系统的综合实现 | 第65-67页 |
| 5.4 本章小结 | 第67-68页 |
| 6 总结与展望 | 第68-70页 |
| 6.1 总结 | 第68页 |
| 6.2 展望 | 第68-70页 |
| 参考文献 | 第70-73页 |
| 致谢 | 第73-74页 |
| 个人简历 | 第74页 |