| 目录 | 第1-9页 |
| TABLE OF CONTEXT | 第9-14页 |
| 摘要 | 第14-18页 |
| Abstract | 第18-23页 |
| 缩略词注释表 | 第23-24页 |
| 1 绪论 | 第24-40页 |
| ·论文选题背景及研究意义 | 第24-25页 |
| ·未知室内环境地图创建的研究现状 | 第25-31页 |
| ·环境空间建模的分类 | 第26-28页 |
| ·基于人工智能技术的认知环境空间建模 | 第28-31页 |
| ·多机器人协作地图构建的研究现状 | 第31-33页 |
| ·多机器人的协作探索策略 | 第31-32页 |
| ·多机器人的协作定位问题 | 第32-33页 |
| ·本论文的主要研究思路与研究内容 | 第33-40页 |
| ·论文的研究立意与思路 | 第33-36页 |
| ·论文的主要工作与技术创新点 | 第36-37页 |
| ·论文的内容安排 | 第37-40页 |
| 2 基于QR code技术的室内环境分层建模 | 第40-62页 |
| ·引言 | 第40-41页 |
| ·室内三层分级环境地图构建模式 | 第41-47页 |
| ·局域描述层 | 第41-42页 |
| ·区域规划层 | 第42-43页 |
| ·全局语义层 | 第43-47页 |
| ·基于QR code技术的信息嵌入式标签设计 | 第47-51页 |
| ·QR code二维条码 | 第47-48页 |
| ·三层分级室内环境地图表示模式中QR code标签的使用 | 第48-50页 |
| ·基于QR Code技术的嵌入式人工标签的设计 | 第50-51页 |
| ·基于QR code技术的嵌入式人工标签的识读 | 第51-56页 |
| ·QR code嵌入式人工标签的检测与识别 | 第51-53页 |
| ·搜寻QR code嵌入式人工标签的策略 | 第53-54页 |
| ·嵌入式人工标签的对准 | 第54-56页 |
| ·试验结果及分析 | 第56-61页 |
| ·人工路标的识别与处理 | 第56-59页 |
| ·人工物标的识别与处理 | 第59-61页 |
| ·人工路标和人工物标的比较试验 | 第61页 |
| ·小结 | 第61-62页 |
| 3 局域描述层的三维栅格地图构建 | 第62-86页 |
| ·引言 | 第62-63页 |
| ·基于双目视觉的观测点全局坐标计算 | 第63-67页 |
| ·基于SIFT算法的特征点提取和匹配 | 第63-64页 |
| ·基于对极约束关系的匹配结果修正 | 第64-65页 |
| ·特征点深度信息获取和全局坐标转换 | 第65-67页 |
| ·基于单帧信息的体素占空概率模型的建立 | 第67-70页 |
| ·体素及占空概率函数定义 | 第67-68页 |
| ·单帧信息涉及体素的集合 | 第68-69页 |
| ·基于特征点关系的稠密匹配 | 第69页 |
| ·体素对应匹配点的参数优化 | 第69-70页 |
| ·体素占空值的更新及匹配 | 第70-74页 |
| ·DSmT证据理论 | 第71页 |
| ·视觉不确定数学模型 | 第71-73页 |
| ·基于DSmT算法的信息融合 | 第73页 |
| ·基于QR code语义信息获取的三维栅格地图构建步骤 | 第73-74页 |
| ·室内局部三维栅格地图构建仿真实验 | 第74-84页 |
| ·局部区域单帧图像三维栅格地图构建试验结果 | 第75-79页 |
| ·基于DSmT证据理论的体素占空值更新试验 | 第79-83页 |
| ·基于人工物标的体素占空值的锁定 | 第83-84页 |
| ·小结 | 第84-86页 |
| 4 小范围半未知环境功能语义拓扑地图的构建 | 第86-110页 |
| ·引言 | 第86页 |
| ·基于谱聚类算法的房间分割全局拓扑图构建 | 第86-90页 |
| ·半未知环境中构建基于SIFT特征匹配的无向加权图 | 第87-88页 |
| ·基于min-Ncut算法的谱聚类理论 | 第88-89页 |
| ·基于谱聚类算法的全局拓扑图的获得 | 第89-90页 |
| ·基于QR code技术的概念化语义生成 | 第90-96页 |
| ·采用基于QR code技术的人工物标的必要性 | 第90-91页 |
| ·QR code信息描述规约的确定 | 第91-93页 |
| ·基于QR code技术的功能语义地图的建立 | 第93-95页 |
| ·小范围空间功能语义地图构建的实现步骤 | 第95-96页 |
| ·基于功能语义地图的服务任务实现 | 第96-101页 |
| ·基于UA—GF—SI关系的物品搜寻和管理 | 第96-99页 |
| ·基于上下文关联的机器人定位 | 第99-101页 |
| ·实验及结果分析 | 第101-108页 |
| ·功能语义地图构建试验及分析 | 第101-104页 |
| ·基于语义地图的机器人房间位置确定试验 | 第104-106页 |
| ·基于UA—GF—SI关系的物品搜寻试验 | 第106-108页 |
| ·小结 | 第108-110页 |
| 5 大范围半未知环境认知语义地图的构建 | 第110-134页 |
| ·引言 | 第110-111页 |
| ·基于QR code技术的分布式信息表征 | 第111-117页 |
| ·应用于导航的分布式信息表征的内容 | 第111-113页 |
| ·基于分布式信息表征的各级路标构成模式 | 第113-117页 |
| ·基于分布式信息表征的认知语义地图的构建 | 第117-123页 |
| ·认知导向点的感知引导行为记忆 | 第117-118页 |
| ·机器人情景标签记忆 | 第118-121页 |
| ·认知语义地图的记忆机制 | 第121-122页 |
| ·基于分布式信息表征的机器人导航实现 | 第122-123页 |
| ·基于认知语义地图的路径重建 | 第123-126页 |
| ·免疫参数设置 | 第124-125页 |
| ·基于免疫算法的路径重建步骤 | 第125-126页 |
| ·试验结果及分析 | 第126-132页 |
| ·基于分布式信息表征的人工路标设计 | 第126-127页 |
| ·情景标签的记忆及定位分析 | 第127-130页 |
| ·地图构建及路径重建试验结果 | 第130-132页 |
| ·小结 | 第132-134页 |
| 6 多机器人协作构建地图的研究初探 | 第134-154页 |
| ·引言 | 第134页 |
| ·未知环境探索的多机器人协作策略研究 | 第134-142页 |
| ·多机器人探索模型 | 第135-137页 |
| ·改进的免疫网络探测算法 | 第137-141页 |
| ·协作探索策略的形成 | 第141-142页 |
| ·基于无线传感器网络的多机器人协同定位 | 第142-148页 |
| ·基于RSSI的单机器人定位 | 第143-146页 |
| ·基于粒子滤波的多机器人协同定位 | 第146-148页 |
| ·仿真结果及分析 | 第148-152页 |
| ·多机器人协作策略仿真结果 | 第148-151页 |
| ·多机器人协作定位仿真结果 | 第151-152页 |
| ·小结 | 第152-154页 |
| 7 结论与展望 | 第154-158页 |
| ·本文的工作总结 | 第154-155页 |
| ·工作展望 | 第155-158页 |
| 参考文献 | 第158-172页 |
| 致谢 | 第172-174页 |
| 攻读博士学位期间发表的学术论文 | 第174-175页 |
| 攻读博士学位期间参加的科研项目 | 第175-176页 |
| 英文论文 | 第176-188页 |
| 学位论文评阅及答辩情况表 | 第188页 |
