摘要 | 第1-5页 |
ABSTRACT | 第5-11页 |
第一章 绪论 | 第11-27页 |
·移动机器人地图构建 | 第12-18页 |
·地图表示方法 | 第12-14页 |
·传感器 | 第14-15页 |
·不确定信息处理 | 第15-17页 |
·同时定位与建图 | 第17-18页 |
·多机器人地图构建 | 第18-24页 |
·多机器人系统 | 第18-21页 |
·多机器人建图研究现状 | 第21-23页 |
·研究重点与难点 | 第23-24页 |
·论文的课题来源与研究意义 | 第24-25页 |
·课题来源 | 第24页 |
·研究意义与目的 | 第24-25页 |
·研究内容及章节安排等 | 第25-27页 |
·研究内容 | 第25页 |
·章节安排 | 第25-27页 |
第二章 多机器人实验平台及避障与避碰问题 | 第27-45页 |
·多移动机器人实验平台 | 第27-33页 |
·机器人控制系统 | 第28-29页 |
·机器人传感器 | 第29-33页 |
·机器人避障策略 | 第33-37页 |
·避障子行为 | 第33-34页 |
·连续避障行为 | 第34-36页 |
·实验分析 | 第36-37页 |
·多机器人避碰策略 | 第37-43页 |
·基本规则 | 第37-39页 |
·优先通过权评价函数 | 第39-40页 |
·速度避碰策略 | 第40-41页 |
·死锁问题 | 第41-42页 |
·实验分析 | 第42-43页 |
·小结 | 第43-45页 |
第三章 基于扩展卡尔曼滤波器的多机器人SLAM方法 | 第45-68页 |
·扩展卡尔曼滤波器(EKF) | 第45-48页 |
·基于扩展卡尔曼滤波器(EKF)的SLAM算法 | 第48-53页 |
·同时定位与建图问题 | 第48-51页 |
·EKF-SLAM方法 | 第51-53页 |
·改进的EKF-SLAM方法 | 第53-58页 |
·新息方差匹配 | 第53-54页 |
·基于LS-SVM的自适应EKF-SLAM方法 | 第54-56页 |
·实验分析 | 第56-58页 |
·多机器人EKF-SLAM方法 | 第58-67页 |
·多机器人相对观测 | 第59-60页 |
·多机器人坐标转换 | 第60-61页 |
·多机器人地图融合 | 第61-63页 |
·路标的增强匹配 | 第63-65页 |
·实验分析 | 第65-67页 |
·小结 | 第67-68页 |
第四章 基于粒子滤波器的多机器人SLAM方法 | 第68-91页 |
·粒子滤波器 | 第69-72页 |
·基本粒子滤波算法 | 第69-72页 |
·粒子滤波算法存在的主要问题 | 第72页 |
·FastSLAM方法 | 第72-75页 |
·机器人位姿预测 | 第73页 |
·粒子权重计算 | 第73页 |
·地图更新 | 第73-75页 |
·重采样 | 第75页 |
·改进FastSLAM方法 | 第75-81页 |
·粒子群优化算法 | 第75-76页 |
·基于粒子群优化算法的FastSLAM | 第76-77页 |
·实验分析 | 第77-81页 |
·多机器人FastSLAM | 第81-90页 |
·已知初始位置时的多机器人FastSLAM方法 | 第81-83页 |
·未知初始位置时的多机器人FastSLAM方法 | 第83-86页 |
·实验分析 | 第86-90页 |
·小结 | 第90-91页 |
第五章 基于栅格融合的多机器人建图方法 | 第91-104页 |
·基于声纳的栅格地图构建 | 第91-94页 |
·改进的概率栅格模型 | 第92-93页 |
·实验分析 | 第93-94页 |
·多机器人地图融合问题 | 第94-96页 |
·地图转换函数 | 第94页 |
·地图相似度函数 | 第94-96页 |
·基于遗传算法的转换函数搜索 | 第96-102页 |
·编码 | 第97页 |
·适应度函数 | 第97-98页 |
·选择机制 | 第98-99页 |
·交叉与变异 | 第99页 |
·判断函数 | 第99-100页 |
·实验分析 | 第100-102页 |
·小结 | 第102-104页 |
第六章 总结与展望 | 第104-107页 |
·本论文工作总结 | 第104-105页 |
·进一步的研究方向 | 第105-107页 |
参考文献 | 第107-117页 |
致谢 | 第117-118页 |
攻读博士学位期间的科研工作与研究成果 | 第118-119页 |