| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 第1章 绪论 | 第10-17页 |
| ·家政服务机器人的发展 | 第10-13页 |
| ·选题的背景及意义 | 第13页 |
| ·研究现状 | 第13-15页 |
| ·主要研究内容 | 第15-16页 |
| ·本文的组织结构 | 第16-17页 |
| 第2章 移动机器人同时定位与地图构建 | 第17-34页 |
| ·SLAM 问题描述 | 第17-18页 |
| ·SLAM 问题相关知识 | 第18-27页 |
| ·地图的表示 | 第18-22页 |
| ·传感器的选择 | 第22页 |
| ·移动机器人相关模型 | 第22-27页 |
| ·SLAM 研究的关键点及难点问题 | 第27-28页 |
| ·维数灾问题 | 第27页 |
| ·建立有效模型 | 第27-28页 |
| ·数据关联 | 第28页 |
| ·绑架问题 | 第28页 |
| ·SLAM 问题的主要解决方法 | 第28-33页 |
| ·扩展卡尔曼滤波（EKF）SLAM | 第28-31页 |
| ·粒子滤波器SLAM | 第31-33页 |
| ·本章小结 | 第33-34页 |
| 第3章 基于距离传感器的SLAM | 第34-45页 |
| ·栅格地图的表示与更新 | 第34-35页 |
| ·基于Rao-Blackwellized 粒子滤波器的SLAM | 第35-37页 |
| ·改进的Rao-Blackwellized 粒子滤波算法 | 第37-40页 |
| ·提议分布的计算 | 第37-39页 |
| ·重采样 | 第39页 |
| ·改进的RBPF SLAM 算法描述 | 第39-40页 |
| ·仿真实验 | 第40-43页 |
| ·本章小结 | 第43-45页 |
| 第4章 基于视觉的移动机器人vSLAM | 第45-57页 |
| ·引言 | 第45页 |
| ·vSLAM 问题描述 | 第45-48页 |
| ·vSLAM 研究的关键点 | 第48-49页 |
| ·图像特征的提取 | 第48页 |
| ·图像特征的匹配 | 第48-49页 |
| ·SIFT（Scale Invariant Feature Transform）算法 | 第49-56页 |
| ·相关知识介绍 | 第49-51页 |
| ·算法描述 | 第51-55页 |
| ·SIFT 算法评价 | 第55-56页 |
| ·本章小结 | 第56-57页 |
| 第5章 SURF 算法在环境认知中的研究 | 第57-77页 |
| ·引言 | 第57-58页 |
| ·SURF（Speeded Up Robust Features）算法 | 第58-67页 |
| ·相关概念介绍 | 第58-62页 |
| ·特征点检测 | 第62-63页 |
| ·特征点描述 | 第63-65页 |
| ·特征点匹配 | 第65页 |
| ·SURF 算法总述 | 第65-67页 |
| ·实验结果 | 第67-76页 |
| ·SURF 特征提取、匹配实验 | 第67-70页 |
| ·基于SURF 特征的家庭环境认知实验 | 第70-76页 |
| ·本章小结 | 第76-77页 |
| 第6章 结论与展望 | 第77-79页 |
| 参考文献 | 第79-82页 |
| 攻读硕士学位期间取得的研究成果 | 第82-83页 |
| 致谢 | 第83页 |
