大规模不规则环境中的移动机器人定位与地图构建
| 摘要 | 第1-7页 |
| ABSTRACT | 第7-10页 |
| 目录 | 第10-14页 |
| 表格索引 | 第14-15页 |
| 插图索引 | 第15-17页 |
| 第一章 绪论 | 第17-26页 |
| ·研究背景 | 第17-18页 |
| ·研究意义 | 第18页 |
| ·研究现状 | 第18-21页 |
| ·研究进展 | 第21-23页 |
| ·传统体系构架的瓶颈 | 第21页 |
| ·缓解计算复杂度的研究 | 第21-22页 |
| ·对环境的新表征形式 | 第22-23页 |
| ·基于步行者的拓展应用 | 第23页 |
| ·研究的难点与趋势 | 第23页 |
| ·本文研究内容与创新点 | 第23-26页 |
| ·本论文的内容 | 第24-25页 |
| ·本论文的创新点 | 第25-26页 |
| 第二章 同时定位与地图构建理论基础 | 第26-36页 |
| ·概率描述 | 第26-29页 |
| ·系统状态 | 第26-27页 |
| ·机器人运动描述 | 第27-29页 |
| ·传感器测量描述 | 第29页 |
| ·动态贝叶斯网络 | 第29页 |
| ·地图描述 | 第29-32页 |
| ·基于显著特征 | 第30页 |
| ·基于景象 | 第30-32页 |
| ·滤波构架 | 第32-35页 |
| ·迭代贝叶斯滤波 | 第32-33页 |
| ·高斯滤波 | 第33-35页 |
| ·非参数滤波 | 第35页 |
| ·本章小结 | 第35-36页 |
| 第三章 基于条件随机场的激光束匹配 | 第36-63页 |
| ·引言 | 第36-37页 |
| ·问题定义 | 第37-41页 |
| ·迭代最近点激光束匹配 | 第41-43页 |
| ·算法流程 | 第41-43页 |
| ·算法缺陷 | 第43页 |
| ·系统建模 | 第43-47页 |
| ·条件随机场 | 第44-45页 |
| ·激光束匹配建模 | 第45-47页 |
| ·特征提取 | 第47-52页 |
| ·局部特征 | 第47-51页 |
| ·配对特征 | 第51-52页 |
| ·激光点关联推理 | 第52-57页 |
| ·学习 | 第52-53页 |
| ·推理 | 第53-57页 |
| ·实验结果 | 第57-59页 |
| ·本章小结 | 第59-63页 |
| 第四章 基于条件随机场的激光束匹配不确定性估计 | 第63-82页 |
| ·引言 | 第63页 |
| ·激光束匹配误差源 | 第63-65页 |
| ·问题定义 | 第65-67页 |
| ·采样积不确定性推理 | 第67-74页 |
| ·算法概况 | 第67-69页 |
| ·采样积消息构建 | 第69-70页 |
| ·累加概率采样 | 第70-71页 |
| ·潜在配置回溯 | 第71-74页 |
| ·不确定性映射 | 第74页 |
| ·实验结果 | 第74-80页 |
| ·缺少空间约束环境下的仿真 | 第74-79页 |
| ·室内实验 | 第79-80页 |
| ·本章小结 | 第80-82页 |
| 第五章 大规模不规则环境中的同时定位与地图构建 | 第82-104页 |
| ·引言 | 第82-83页 |
| ·系统构架 | 第83-88页 |
| ·实验平台 | 第83-84页 |
| ·实验场地 | 第84-85页 |
| ·算法流程 | 第85-88页 |
| ·滞后状态滤波 | 第88-95页 |
| ·滞后状态增广 | 第88-91页 |
| ·时间更新 | 第91-93页 |
| ·观测更新 | 第93-95页 |
| ·闭环侦测 | 第95-98页 |
| ·实验结果 | 第98-103页 |
| ·本章小结 | 第103-104页 |
| 第六章 结论与展望 | 第104-107页 |
| ·全文总结 | 第104-105页 |
| ·工作展望 | 第105-107页 |
| 附录A 迭代贝叶斯滤波推导 | 第107-110页 |
| A.1 贝叶斯法则 | 第107-108页 |
| A.2 时间更新推导 | 第108-109页 |
| A.3 测量更新推导 | 第109-110页 |
| 附录B 基于激光点关联配置的机器人相对运动解 | 第110-112页 |
| 参考文献 | 第112-126页 |
| 致谢 | 第126-127页 |
| 攻读学位论文期间发表的学术论文目录 | 第127-131页 |
| 上海交通大学博士学位论文答辩决议书 | 第131页 |
