| 摘要 | 第9-10页 |
| ABSTRACT | 第10页 |
| 第一章 绪论 | 第11-20页 |
| 1.1 课题研究背景及意义 | 第11-14页 |
| 1.2 SLAM技术概述 | 第14-17页 |
| 1.2.1 SLAM技术基本含义 | 第14-15页 |
| 1.2.2 SLAM技术关键问题 | 第15-17页 |
| 1.3 SLAM技术的发展及现状 | 第17-18页 |
| 1.4 课题研究的主要内容 | 第18-19页 |
| 1.5 论文的组织结构 | 第19-20页 |
| 第二章 移动机器人平台设计与实现 | 第20-29页 |
| 2.1 移动机器人需求分析 | 第20-21页 |
| 2.2 移动机器人硬件介绍 | 第21-23页 |
| 2.3 移动机器人电气设计与实现 | 第23-26页 |
| 2.4 移动机器人软件设计与实现 | 第26-28页 |
| 2.5 本章小结 | 第28-29页 |
| 第三章 RatSLAM系统 | 第29-42页 |
| 3.1 RatSLAM的生物学启发 | 第29-31页 |
| 3.1.1 位置细胞 | 第30页 |
| 3.1.2 朝向细胞 | 第30-31页 |
| 3.1.3 网格细胞 | 第31页 |
| 3.2 RatSLAM系统结构 | 第31-39页 |
| 3.2.1 位姿细胞 | 第32-35页 |
| 3.2.2 局部视觉细胞 | 第35-37页 |
| 3.2.3 经验地图 | 第37-38页 |
| 3.2.4 闭环检测 | 第38-39页 |
| 3.3 RatSLAM的特点与不足 | 第39-41页 |
| 3.4 本章小结 | 第41-42页 |
| 第四章 基于RGB-D的闭环检测算法 | 第42-53页 |
| 4.1 闭环检测算法分析 | 第42-45页 |
| 4.1.1 闭环检测算法定义 | 第42-44页 |
| 4.1.2 闭环检测算法关键问题 | 第44-45页 |
| 4.2 视觉闭环检测算法 | 第45-47页 |
| 4.2.1 视觉闭环检测算法分类 | 第45-46页 |
| 4.2.2 基于RGB-D信息的闭环检测算法研究现状 | 第46-47页 |
| 4.3 引入深度信息的RatSLAM闭环检测算法 | 第47-50页 |
| 4.3.1 深度图像特征 | 第47页 |
| 4.3.2 基于随机滑动窗的匹配算法 | 第47-50页 |
| 4.4 实验结果及分析 | 第50-52页 |
| 4.5 本章小结 | 第52-53页 |
| 第五章 基于RGB-D的RatSLAM系统实现 | 第53-59页 |
| 5.1 闭环检测融合 | 第53-54页 |
| 5.1.1 图像的一元灰度熵 | 第53页 |
| 5.1.2 置信权重可变策略 | 第53-54页 |
| 5.2 RGB-D RatSLAM系统 | 第54-55页 |
| 5.3 实验结果及分析 | 第55-58页 |
| 5.4 本章小结 | 第58-59页 |
| 第六章 总结与展望 | 第59-61页 |
| 6.1 论文工作总结 | 第59页 |
| 6.2 未来工作及展望 | 第59-61页 |
| 致谢 | 第61-62页 |
| 参考文献 | 第62-66页 |
| 作者在校期间获得的学术成果及奖励情况 | 第66页 |