移动机器人自主创建环境地图的研究
| 致谢 | 第1-6页 |
| 摘要 | 第6-8页 |
| Abstract | 第8-11页 |
| 目录 | 第11-16页 |
| 第一章 绪论 | 第16-30页 |
| ·引言 | 第16-17页 |
| ·移动机器人的定义与分类 | 第17-18页 |
| ·移动机器人的定义 | 第17页 |
| ·移动机器人的分类 | 第17-18页 |
| ·移动机器人研究 | 第18-24页 |
| ·移动机器人的研究内容 | 第18-21页 |
| ·移动机器人的发展历史 | 第21-24页 |
| ·移动机器人自主创建环境地图 | 第24-27页 |
| ·自主创建地图的意义 | 第24-26页 |
| ·创建地图的类型 | 第26-27页 |
| ·本文的内容和结构 | 第27-30页 |
| 第二章 地图创建相关技术 | 第30-42页 |
| ·引言 | 第30页 |
| ·移动机器人的避障与漫游 | 第30-34页 |
| ·引入物理模型的避障方法 | 第32-33页 |
| ·根据导航策略计算运动控制指令的避障方法 | 第33页 |
| ·通过环境评估选择控制策略的避障方法 | 第33-34页 |
| ·移动机器人在已知环境中的定位问题 | 第34-38页 |
| ·卡尔曼滤波定位算法 | 第34-35页 |
| ·匹配定位算法 | 第35页 |
| ·多假设定位算法 | 第35-36页 |
| ·马尔科夫定位算法 | 第36-37页 |
| ·蒙特卡罗定位算法 | 第37-38页 |
| ·未知环境中的同时定位与地图创建 | 第38-41页 |
| ·EKF-SLAM算法 | 第38页 |
| ·SEIF算法 | 第38-39页 |
| ·FastSLAM算法 | 第39-40页 |
| ·TJTF算法 | 第40页 |
| ·子地图算法 | 第40-41页 |
| ·本章小结 | 第41-42页 |
| 第三章 静态结构化环境中的无标定单目视觉漫游 | 第42-54页 |
| ·引言 | 第42页 |
| ·单目视觉漫游的研究内容 | 第42-43页 |
| ·环境分析与特征定义 | 第43-46页 |
| ·结构分析 | 第43-44页 |
| ·特征定义 | 第44-46页 |
| ·视觉特征提取与运动控制 | 第46-48页 |
| ·特征提取 | 第46-47页 |
| ·运动控制 | 第47-48页 |
| ·环境拓扑重建 | 第48-49页 |
| ·算法流程 | 第49页 |
| ·实验 | 第49-51页 |
| ·实验环境 | 第49-50页 |
| ·实验结果 | 第50-51页 |
| ·算法分析 | 第51页 |
| ·本章小结 | 第51-54页 |
| 第四章 静态结构化环境的地图创建 | 第54-80页 |
| ·引言 | 第54-55页 |
| ·数学模型 | 第55-58页 |
| ·扩展状态向量 | 第55-56页 |
| ·状态转移模型 | 第56-57页 |
| ·观测模型 | 第57-58页 |
| ·逆观测模型 | 第58页 |
| ·算法流程 | 第58-64页 |
| ·初始化 | 第58-59页 |
| ·预测过程 | 第59-60页 |
| ·数据关联 | 第60页 |
| ·估计过程 | 第60-61页 |
| ·状态向量的扩维 | 第61-62页 |
| ·备选路标队列 | 第62-64页 |
| ·算法流程图 | 第64页 |
| ·路标提取及环境表述 | 第64-67页 |
| ·路标提取 | 第64-65页 |
| ·地图表述 | 第65-67页 |
| ·仿真 | 第67-72页 |
| ·仿真环境 | 第67页 |
| ·仿真结果 | 第67-72页 |
| ·实验 | 第72-78页 |
| ·实验环境 | 第72页 |
| ·实验1 | 第72-75页 |
| ·实验2 | 第75-78页 |
| ·本章小结 | 第78-80页 |
| 第五章 基于约束的地图改良算法 | 第80-98页 |
| ·引言 | 第80-81页 |
| ·受约束的卡尔曼滤波算法 | 第81-83页 |
| ·模型与假设 | 第81-82页 |
| ·受约束的状态估计 | 第82-83页 |
| ·受约束估计值的统计特性 | 第83页 |
| ·约束条件的选择与构建 | 第83-87页 |
| ·约束形式 | 第84-85页 |
| ·构成约束路标对的选择 | 第85-87页 |
| ·约束数量及次数 | 第87页 |
| ·仿真 | 第87-94页 |
| ·仿真环境 | 第88页 |
| ·仿真结果 | 第88-92页 |
| ·算法分析 | 第92-94页 |
| ·实验 | 第94-96页 |
| ·本章小结 | 第96-98页 |
| 第六章 基于粒子滤波算法的地图创建 | 第98-116页 |
| ·引言 | 第98-99页 |
| ·粒子滤波器原理及基本概念 | 第99-103页 |
| ·贝叶斯估计 | 第99-100页 |
| ·蒙特卡罗方法 | 第100-101页 |
| ·目标分布函数与建议分布函数 | 第101-102页 |
| ·序贯重要性采样 | 第102页 |
| ·重采样 | 第102-103页 |
| ·SLAM问题与粒子滤波器 | 第103-106页 |
| ·RBPF | 第103-104页 |
| ·SLAM问题的动态贝叶斯网络描述 | 第104-105页 |
| ·SLAM问题后验概率分布的因式分解 | 第105-106页 |
| ·基于权值平滑的改良FastSLAM算法 | 第106-111页 |
| ·FastSLAM算法 | 第106-108页 |
| ·重采样的缺陷 | 第108-109页 |
| ·权值平滑 | 第109-111页 |
| ·仿真及分析 | 第111-115页 |
| ·仿真环境 | 第111页 |
| ·仿真结果 | 第111-113页 |
| ·算法分析 | 第113-115页 |
| ·本章小结 | 第115-116页 |
| 第七章 动态环境的地图创建 | 第116-132页 |
| ·引言 | 第116-117页 |
| ·动态环境建模 | 第117-120页 |
| ·基于栅格模型的静态障碍物描述 | 第118-119页 |
| ·基于样本集合的动态障碍物描述 | 第119-120页 |
| ·结合样本与栅格的动态环境地图创建 | 第120-127页 |
| ·机器人定位 | 第120-121页 |
| ·传感数据分类 | 第121-122页 |
| ·静态栅格地图概率更新 | 第122-123页 |
| ·激光传感器模型 | 第123-124页 |
| ·动态样本集合更新 | 第124-126页 |
| ·动态区域描述 | 第126-127页 |
| ·算法流程 | 第127页 |
| ·实验 | 第127-129页 |
| ·实验环境 | 第127-128页 |
| ·实验结果 | 第128页 |
| ·算法分析 | 第128-129页 |
| ·本章小结 | 第129-132页 |
| 第八章 结论与展望 | 第132-136页 |
| ·全文总结 | 第132-133页 |
| ·未来研究展望 | 第133-136页 |
| 参考文献 | 第136-152页 |
| 攻读博士学位期间发表的论文 | 第152页 |
