| 摘要 | 第3-4页 |
| abstract | 第4-5页 |
| 第一章 绪论 | 第8-20页 |
| 1.1 课题研究背景与意义 | 第8-10页 |
| 1.2 机器人定位技术的研究现状 | 第10-18页 |
| 1.2.1 国外机器人定位技术的研究现状 | 第12-16页 |
| 1.2.2 国内机器人定位技术的研究现状 | 第16-18页 |
| 1.3 本文工作及结构安排 | 第18-20页 |
| 1.3.1 研究内容 | 第18页 |
| 1.3.2 主要贡献 | 第18页 |
| 1.3.3 结构安排 | 第18-20页 |
| 第二章 声呐信息的采集实验 | 第20-29页 |
| 2.1 Pioneer3-AT机器人实验平台 | 第20-23页 |
| 2.2 声呐测距原理 | 第23-25页 |
| 2.3 Robot-10 数据集组建实验 | 第25-28页 |
| 2.4 本章小节 | 第28-29页 |
| 第三章 联合多声呐信息的室内场景识别算法 | 第29-52页 |
| 3.1 基于环投影的改进的K近邻场景识别算法 | 第29-37页 |
| 3.1.1 环投影方法 | 第29-32页 |
| 3.1.2 改进的K近邻算法 | 第32-34页 |
| 3.1.3 实验验证 | 第34-37页 |
| 3.2 基于声呐信息的联合核稀疏编码场景识别算法 | 第37-50页 |
| 3.2.1 声呐样本对齐 | 第37-38页 |
| 3.2.2 稀疏编码理论 | 第38-40页 |
| 3.2.3 核稀疏编码 | 第40-42页 |
| 3.2.4 声呐信息的联合核稀疏编码 | 第42-45页 |
| 3.2.5 联合核稀疏编码算法的实验验证 | 第45-50页 |
| 3.3 实验结果对比 | 第50-51页 |
| 3.4 本章小结 | 第51-52页 |
| 第四章 基于雷达信息的室内机器人的方位预测 | 第52-65页 |
| 4.1 支持向量机回归模型 | 第52-57页 |
| 4.2 极限学习机回归模型 | 第57-60页 |
| 4.3 数据集介绍与分析 | 第60-61页 |
| 4.4 实验结果验证 | 第61-64页 |
| 4.4.1 基于支持向量机回归模型预测机器人方位的实验验证 | 第61-62页 |
| 4.4.2 基于极限学习机回归模型预测机器人方位的实验验证 | 第62-64页 |
| 4.4.3 实验对比 | 第64页 |
| 4.5 本章小结 | 第64-65页 |
| 第五章 结论与展望 | 第65-66页 |
| 参考文献 | 第66-70页 |
| 致谢 | 第70-71页 |
| 个人简历、在学期间的研究成果及发表的学术论文 | 第71页 |