| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 绪论 | 第9-17页 |
| 1.1 引言 | 第9页 |
| 1.2 移动机器人的发展历史 | 第9-10页 |
| 1.3 移动机器人定位与建图 | 第10-12页 |
| 1.3.1 移动机器人的定位方法 | 第10-11页 |
| 1.3.2 环境建模与定位技术 | 第11-12页 |
| 1.4 SLAM的研究现状 | 第12-15页 |
| 1.4.1 现阶段SLAM存在的问题 | 第13-14页 |
| 1.4.2 SLAM问题的解决策略：SLAM的滤波器 | 第14-15页 |
| 1.4.3 测量与数据关联 | 第15页 |
| 1.5 课题来源及章节安排 | 第15-17页 |
| 第二章 基于SLAM的系统平台的建立 | 第17-22页 |
| 2.1 SLAM数学定义 | 第17-18页 |
| 2.2 常用的SLAM算法 | 第18-19页 |
| 2.2.1 基于扩展卡尔曼滤波的SLAM算法 | 第18页 |
| 2.2.2 基于粒子滤波器的SLAM算法 | 第18-19页 |
| 2.2.3 基于期望最大值的算法 | 第19页 |
| 2.3 SLAM的系统模型 | 第19-21页 |
| 2.4 本章小结 | 第21-22页 |
| 第三章 双目视觉定位与图像处理 | 第22-36页 |
| 3.1 摄像机标定模型选择 | 第22-24页 |
| 3.1.1 摄像机标定的分类 | 第22-23页 |
| 3.1.2 摄像机标定 | 第23-24页 |
| 3.2 图像立体匹配 | 第24-25页 |
| 3.3 双目视觉定位原理 | 第25-27页 |
| 3.4 SURF算法 | 第27-31页 |
| 3.4.1 SURF特征点的检测 | 第27-29页 |
| 3.4.2 特征点的描述 | 第29-31页 |
| 3.5 SURF特征的提取与匹配 | 第31-35页 |
| 3.5.1 SURF特征点的匹配原理 | 第31-32页 |
| 3.5.2 SURF匹配结果分析 | 第32-35页 |
| 3.6 本章小结 | 第35-36页 |
| 第四章 双目视觉移动机器人SLAM实验及误差分析 | 第36-43页 |
| 4.1 基于SURF提取图像特征点的移动机器人SLAM实验研究 | 第36-37页 |
| 4.2 实验过程 | 第37-42页 |
| 4.3 实验误差分析 | 第42页 |
| 4.4 本章小结 | 第42-43页 |
| 第五章 改进神经网络支持的基于EKF的SLAM | 第43-53页 |
| 5.1 神经网络补偿里程计误差 | 第43-45页 |
| 5.1.1 神经网络 | 第44页 |
| 5.1.2 使用神经网络补偿里程计误差 | 第44-45页 |
| 5.2 改进神经网络支持的EKF-SLAM | 第45-49页 |
| 5.3 实验结果 | 第49-52页 |
| 5.3.1 仿真结果 | 第49-50页 |
| 5.3.2 走廊环境下的实验 | 第50-52页 |
| 5.4 本章小结 | 第52-53页 |
| 第六章 基于视频监控的目标跟踪 | 第53-58页 |
| 6.1 划线区域的视频监控 | 第53-56页 |
| 6.1.1 直线算法 | 第53-55页 |
| 6.1.2 划线区域填充算法 | 第55-56页 |
| 6.2 实验结果与分析 | 第56-57页 |
| 6.3 本章小结 | 第57-58页 |
| 第七章 工作总结与展望 | 第58-60页 |
| 7.1 工作总结 | 第58页 |
| 7.2 未来工作展望 | 第58-60页 |
| 参考文献 | 第60-63页 |
| 发表论文和科研情况说明 | 第63-64页 |
| 致谢 | 第64-65页 |