自主移动机器人室内环境建模
| 第一章 绪论 | 第1-25页 |
| ·自主移动机器人研究概述 | 第8-12页 |
| ·自主移动机器人研究的目的、意义 | 第8页 |
| ·自主移动机器人研究现状 | 第8-12页 |
| ·自主移动机器人地图创建问题的研究概述 | 第12-24页 |
| ·自主移动机器人地图创建问题的研究意义 | 第12页 |
| ·自主移动机器人地图创建问题的研究难点 | 第12-15页 |
| ·自主移动机器人地图创建所应用的传感器技术 | 第15-17页 |
| ·环境地图的表示 | 第17-20页 |
| ·地图创建问题的研究现状 | 第20-24页 |
| ·本文结构 | 第24页 |
| ·小结 | 第24-25页 |
| 第二章 激光数据的扫描匹配算法 | 第25-41页 |
| ·引言 | 第25页 |
| ·问题定义 | 第25-26页 |
| ·通过排列扫描进行位姿估计 | 第25-26页 |
| ·匹配扫描的标准 | 第26页 |
| ·旋转搜索/最小平方匹配算法 | 第26-32页 |
| ·方法简介 | 第26-27页 |
| ·参考扫描的投影 | 第27-28页 |
| ·适合的切线 | 第28页 |
| ·相应性定义 | 第28-30页 |
| ·相关性查找和多余点检测 | 第30-31页 |
| ·最优化 | 第31-32页 |
| ·迭代相应点匹配算法 | 第32-37页 |
| ·通常的方法 | 第32页 |
| ·相应性的规则 | 第32-35页 |
| ·相应点查找和多余点检测 | 第35-36页 |
| ·迭代算法的收敛 | 第36-37页 |
| ·扫描匹配试验 | 第37-40页 |
| ·融合两种算法 | 第37页 |
| ·感知策略 | 第37-38页 |
| ·实验 | 第38-40页 |
| ·小结 | 第40-41页 |
| 第三章 激光数据的地图创建 | 第41-62页 |
| ·引言 | 第41-43页 |
| ·方法的主要观点 | 第43-45页 |
| ·推导位姿关系 | 第43页 |
| ·构造位姿关系网络 | 第43-44页 |
| ·在网络中结合位姿关系 | 第44-45页 |
| ·三节点的例子 | 第45页 |
| ·从关系网络来的最优估计 | 第45-49页 |
| ·估计问题的定义 | 第45-46页 |
| ·最优线性估计的解 | 第46-48页 |
| ·特殊网络 | 第48-49页 |
| ·引出位姿关系 | 第49-58页 |
| ·位姿组合操作 | 第49-51页 |
| ·来自匹配扫描的位姿关系 | 第51-53页 |
| ·从里程计来的位姿关系 | 第53-55页 |
| ·最优位姿估计 | 第55-56页 |
| ·连续估计 | 第56-58页 |
| ·执行和实验 | 第58-61页 |
| ·估计步骤的执行 | 第58-59页 |
| ·实际扫描数据的实验与分析 | 第59-61页 |
| ·小结 | 第61-62页 |
| 第四章 摄像机标定及其单目测距 | 第62-79页 |
| ·引言 | 第62页 |
| ·摄像机标定技术的研究与实现 | 第62-74页 |
| ·摄像机标定技术概述 | 第62-67页 |
| ·透视变换与摄像机成像模型 | 第67-70页 |
| ·zhang算法及其实现 | 第70-74页 |
| ·单目测距的研究与实现 | 第74-77页 |
| ·单目测距原理 | 第74-77页 |
| ·实验 | 第77页 |
| ·小结 | 第77-79页 |
| 第五章 激光视觉传感器数据的融合 | 第79-84页 |
| ·引言 | 第79页 |
| ·利用视觉传感器进行门的特征识别 | 第79-83页 |
| ·算法流程 | 第79-82页 |
| ·算法中存在的问题 | 第82-83页 |
| ·小结 | 第83-84页 |
| 第六章 结论与展望 | 第84-86页 |
| ·总结 | 第84页 |
| ·展望 | 第84-86页 |
| 参考文献 | 第86-92页 |
