| 学位论文数据集 | 第3-4页 |
| 摘要 | 第4-6页 |
| ABSTRACT | 第6-8页 |
| 第一章 绪论 | 第13-21页 |
| 1.1 课题背景及研究意义 | 第13-14页 |
| 1.2 室内移动机器人语义地图研究现状 | 第14-18页 |
| 1.2.1 室内环境感知方法研究现状 | 第14-16页 |
| 1.2.2 机器人SLAM研究现状 | 第16-17页 |
| 1.2.3 智能语义地图研究现状 | 第17-18页 |
| 1.3 本文章节组织结构 | 第18页 |
| 1.4 本章小结 | 第18-21页 |
| 第二章 基于视觉的室内移动机器人SLAM方法研究 | 第21-33页 |
| 2.1 引言 | 第21页 |
| 2.2 双目视觉移动机器人数学建模 | 第21-24页 |
| 2.2.1 双目移动机器人结构模型 | 第21-22页 |
| 2.2.2 移动机器人运动学模型 | 第22页 |
| 2.2.3 双目摄像机观测模型 | 第22-24页 |
| 2.3 卡尔曼滤波算法及其拓展 | 第24-28页 |
| 2.3.1 卡尔曼滤波算法 | 第24-26页 |
| 2.3.2 拓展卡尔曼滤波算法 | 第26-28页 |
| 2.4 基于EKF的视觉SLAM算法 | 第28-31页 |
| 2.5 仿真实验 | 第31-32页 |
| 2.6 本章小结 | 第32-33页 |
| 第三章 基于RFID系统的室内移动机器人SLAM方法研究 | 第33-45页 |
| 3.1 引言 | 第33页 |
| 3.2 RFID技术 | 第33-34页 |
| 3.3 基于RSSI的RFID室内无线定位算法 | 第34-39页 |
| 3.3.1 LANDMARC定位算法 | 第34-36页 |
| 3.3.2 VIRE定位算法及其改进 | 第36-38页 |
| 3.3.3 BVIRE定位算法 | 第38-39页 |
| 3.4 基于BVIRE的机器人RFID定位算法 | 第39-40页 |
| 3.5 仿真实验 | 第40-44页 |
| 3.6 本章小结 | 第44-45页 |
| 第四章 基于QR code和RFID的分布式语义地图构建方法研究 | 第45-57页 |
| 4.1 引言 | 第45页 |
| 4.2 基于QR code的人工路标 | 第45-47页 |
| 4.2.1 QR code人工路标的设计 | 第45-46页 |
| 4.2.2 搜索人工路标的策略 | 第46-47页 |
| 4.3 室内环境下分布式地图构建模式 | 第47-51页 |
| 4.3.1 基于视觉与RFID系统的度量层地图 | 第47-49页 |
| 4.3.2 基于谱聚类算法的拓扑层地图 | 第49-50页 |
| 4.3.3 基于语义更新的语义层地图 | 第50-51页 |
| 4.4 仿真实验 | 第51-55页 |
| 4.4.1 实验背景描述 | 第51页 |
| 4.4.2 示例性实验结果 | 第51-53页 |
| 4.4.3 对比性实验结果 | 第53-55页 |
| 4.5 本章小结 | 第55-57页 |
| 第五章 结论与展望 | 第57-59页 |
| 参考文献 | 第59-63页 |
| 致谢 | 第63-65页 |
| 研究成果及发表的学术论文 | 第65-67页 |
| 作者和导师简介 | 第67-68页 |
| 附件 | 第68-69页 |