非结构化环境下基于局部视觉特征的移动机器人拓扑定位研究
| 摘要 | 第1-9页 |
| ABSTRACT | 第9-11页 |
| 第一章 绪论 | 第11-19页 |
| ·课题研究背景与意义 | 第11-14页 |
| ·课题研究现状和发展趋势 | 第14-17页 |
| ·本文工作及论文结构 | 第17-19页 |
| ·本文内容及创新点 | 第17-18页 |
| ·本文组织结构 | 第18-19页 |
| 第二章 机器人拓扑地图的构建 | 第19-33页 |
| ·局部视觉特征 | 第19-24页 |
| ·局部视觉特征检测 | 第20-22页 |
| ·局部视觉特征描述 | 第22-24页 |
| ·视觉词汇树方法 | 第24-27页 |
| ·K-Means 聚类算法 | 第24-25页 |
| ·词汇树的构建 | 第25-27页 |
| ·图像信息的稀疏化表示 | 第27页 |
| ·拓扑地图的构建 | 第27-31页 |
| ·拓扑节点的选择 | 第27-30页 |
| ·基于词汇树的拓扑地图构建 | 第30-31页 |
| ·本章小结 | 第31-33页 |
| 第三章 基于视觉词汇树机器人拓扑定位 | 第33-47页 |
| ·基于词汇树的机器人在线自定位算法 | 第33-35页 |
| ·基于词汇树的机器人拓扑定位实验及结果分析 | 第35-45页 |
| ·实验设置 | 第35-36页 |
| ·关键帧选择结果及对算法性能影响 | 第36-38页 |
| ·词汇树的参数设置对算法性能影响 | 第38-39页 |
| ·局部视觉特征选择对算法性能影响 | 第39-43页 |
| ·光线条件变化对算法性能影响 | 第43-44页 |
| ·最优的参数设置和训练条件下的算法性能 | 第44-45页 |
| ·本章小结 | 第45-47页 |
| 第四章 基于地点识别的机器人拓扑定位 | 第47-61页 |
| ·基于统计学习思想的支持向量机 | 第47-50页 |
| ·支持向量机数学模型及其求解过程 | 第47-49页 |
| ·多类 SVM 分类算法 | 第49-50页 |
| ·基于地点识别的机器人拓扑定位算法 | 第50-51页 |
| ·基于地点识别的机器人拓扑定位实验及结果分析 | 第51-59页 |
| ·实验设置 | 第51-53页 |
| ·词汇树的参数设置对算法性能影响 | 第53-54页 |
| ·局部视觉特征选择对算法性能影响 | 第54-55页 |
| ·光线条件变化对算法性能影响 | 第55页 |
| ·核函数的选择对算法性能的影响 | 第55-56页 |
| ·最优的参数设置和训练条件下的地点识别算法性能 | 第56-59页 |
| ·本章小结 | 第59-61页 |
| 第五章 总结与展望 | 第61-63页 |
| ·论文工作总结 | 第61页 |
| ·未来工作展望 | 第61-63页 |
| 致谢 | 第63-65页 |
| 参考文献 | 第65-70页 |
| 作者在学期间取得的学术成果 | 第70页 |
