基于混合证据理论的多机器人建模方法研究
| 摘要 | 第5-6页 |
| abstract | 第6页 |
| 第1章 绪论 | 第9-20页 |
| 1.1 移动多机器人系统 | 第9-13页 |
| 1.1.1 多机器人系统简介 | 第9-10页 |
| 1.1.2 多机器人环境 | 第10-11页 |
| 1.1.3 多机器人协调 | 第11-12页 |
| 1.1.4 资源冲突 | 第12-13页 |
| 1.2 机器人定位与地图构建方法研究现状 | 第13-16页 |
| 1.2.1 特征提取 | 第15页 |
| 1.2.2 探测器概述 | 第15-16页 |
| 1.2.3 环境描述 | 第16页 |
| 1.3 地图合并算法研究现状 | 第16-18页 |
| 1.3.1 直接的地图合并 | 第16-17页 |
| 1.3.2 间接的地图合并 | 第17页 |
| 1.3.3 综合的策略 | 第17-18页 |
| 1.4 本文贡献及内容安排 | 第18-20页 |
| 第2章 基于聚簇结构的多机器人定位策略 | 第20-31页 |
| 2.1 局部环境信息提取 | 第21-23页 |
| 2.2 可视节点的定位算法 | 第23-24页 |
| 2.3 非可视节点聚簇过程 | 第24-25页 |
| 2.4 基于聚簇结构的多机器人协作定位算法 | 第25-26页 |
| 2.5 多机器人定位算法仿真研究 | 第26-30页 |
| 2.6 本章小结 | 第30-31页 |
| 第3章 基于拓扑结构的地图构建方法 | 第31-44页 |
| 3.1 环境特征提取技术 | 第32-38页 |
| 3.1.1 拐角特征提取 | 第32-35页 |
| 3.1.2 间断特征提取 | 第35-36页 |
| 3.1.3 房门特征提取 | 第36-37页 |
| 3.1.4 通路特征提取 | 第37-38页 |
| 3.2 拓扑地图模型 | 第38-40页 |
| 3.2.1 拓扑地图的矩阵表示 | 第38-40页 |
| 3.3 构建局部拓扑地图 | 第40-43页 |
| 3.3.1 匹配已有的拓扑节点 | 第40-41页 |
| 3.3.2 添加新节点 | 第41页 |
| 3.3.3 更新初始节点 | 第41-42页 |
| 3.3.4 更新回路信息 | 第42-43页 |
| 3.4 本章小结 | 第43-44页 |
| 第4章 基于证据理论的多机器人地图构建 | 第44-61页 |
| 4.1 基于证据理论的信息融合 | 第44-46页 |
| 4.1.1 D-S证据理论 | 第44-45页 |
| 4.1.2 信息融合模型 | 第45-46页 |
| 4.2 粒子群优化算法 | 第46-49页 |
| 4.2.1 粒子群优化算法概述 | 第46-47页 |
| 4.2.2 基于惯性权重的粒子群算法的原理 | 第47-48页 |
| 4.2.3 分析粒子的位置变化 | 第48-49页 |
| 4.3 基于粒子群算法的参数优化 | 第49-53页 |
| 4.3.1 基于贝叶斯技术的粒子群算法原理 | 第49-51页 |
| 4.3.2 参数 α 和参数 β 的选择 | 第51页 |
| 4.3.3 W的估计 | 第51-52页 |
| 4.3.4 算法过程 | 第52页 |
| 4.3.5 算法分析 | 第52-53页 |
| 4.4 多机器人协作构建地图算法 | 第53-54页 |
| 4.5 地图构建算法仿真与结果分析 | 第54-59页 |
| 4.6 本章小结 | 第59-61页 |
| 结论 | 第61-63页 |
| 参考文献 | 第63-69页 |
| 致谢 | 第69-70页 |
| 个人简历 | 第70页 |
