| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第11-27页 |
| 1.1 课题背景及研究意义 | 第11-13页 |
| 1.1.1 课题背景 | 第11-12页 |
| 1.1.2 研究意义 | 第12-13页 |
| 1.2 国内外生物视觉理论相关研究 | 第13-17页 |
| 1.2.1 生物视觉信息传递通路研究 | 第14-16页 |
| 1.2.2 生物视觉情景感知分类机制研究 | 第16-17页 |
| 1.3 国内外空间记忆导航计算认知模型研究 | 第17-21页 |
| 1.3.1 基于符号的空间记忆模型 | 第17-19页 |
| 1.3.2 基于神经网络的空间记忆模型 | 第19-20页 |
| 1.3.3 基于系统认知结构的空间记忆模型 | 第20-21页 |
| 1.4 国内外鼠脑海马空间细胞模型研究 | 第21-25页 |
| 1.5 研究内容及论文安排 | 第25-27页 |
| 第2章 移动机器人的鼠脑海马情景认知模型 | 第27-49页 |
| 2.1 引言 | 第27页 |
| 2.2 情景认知模型生理学基础与计算模型 | 第27-31页 |
| 2.2.1 情景认知模型生理学基础 | 第27-30页 |
| 2.2.2 情景认知模型构建 | 第30-31页 |
| 2.3 情景认知模型中的前端信息输入感知 | 第31-38页 |
| 2.3.1 FAST特征点检测算法与BRIEF特征描述算子 | 第31-33页 |
| 2.3.2 ORB特征提取和描述算法 | 第33-35页 |
| 2.3.3 RANSAC-ORB特征匹配算法 | 第35-36页 |
| 2.3.4 机器人精确位姿信息输入感知 | 第36-38页 |
| 2.4 鼠脑海马情景认知模型生理学基础与计算模型 | 第38-43页 |
| 2.4.1 鼠脑海马空间细胞生理学特性和计算模型构建 | 第38-42页 |
| 2.4.2 机器人位置感知 | 第42-43页 |
| 2.5 实验结果及分析 | 第43-47页 |
| 2.6 本章小结 | 第47-49页 |
| 第3章 基于BoW模型和深度神经网络的环境认知研究 | 第49-61页 |
| 3.1 引言 | 第49-50页 |
| 3.2 基于ORB特征的BoW闭环检测 | 第50-56页 |
| 3.2.1 视觉BoW模型框架 | 第51-54页 |
| 3.2.2 闭环检测实现分析 | 第54-56页 |
| 3.3 融合物体信息的深度神经网络环境认知方法 | 第56-59页 |
| 3.3.1 深度神经网络结构 | 第56-57页 |
| 3.3.2 融合物体信息的深度神经网络模型训练 | 第57页 |
| 3.3.3 认知方法实现分析 | 第57-59页 |
| 3.4 本章小结 | 第59-61页 |
| 第4章 基于鼠脑海马情景认知模型的认知地图构建及导航方法 | 第61-75页 |
| 4.1 引言 | 第61页 |
| 4.2 鼠脑海马情景认知地图构建算法研究 | 第61-67页 |
| 4.2.1 情景记忆单元模型构建 | 第61-63页 |
| 4.2.2 情景记忆单元与认知地图构建 | 第63-65页 |
| 4.2.3 机器人在环境中的重定位和环境物体坐标化 | 第65-67页 |
| 4.3 基于鼠脑海马情景认知地图的面向目标导航 | 第67-68页 |
| 4.4 实验验证分析 | 第68-73页 |
| 4.5 本章小结 | 第73-75页 |
| 结论 | 第75-79页 |
| 参考文献 | 第79-85页 |
| 攻读硕士学位期间取得的学术成果 | 第85-87页 |
| 致谢 | 第87页 |
