基于情景记忆的移动机器人认知地图构建
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第10-18页 |
| 1.1 课题研究背景及意义 | 第10-11页 |
| 1.2 移动机器人环境认知技术 | 第11-14页 |
| 1.3 记忆启发的机器人控制 | 第14-16页 |
| 1.4 本文研究内容 | 第16-18页 |
| 2 移动机器人基于情景记忆的认知计算模型 | 第18-38页 |
| 2.1 引言 | 第18页 |
| 2.2 情景记忆数学模型 | 第18-23页 |
| 2.2.1 认知地图特性分析 | 第18-19页 |
| 2.2.2 构造情景记忆模型的生物基础 | 第19-21页 |
| 2.2.3 情景记忆模型建立 | 第21-23页 |
| 2.3 情景记忆模型中的机器人位姿感知 | 第23-29页 |
| 2.3.1 路径整合 | 第23-24页 |
| 2.3.2 头朝向细胞 | 第24-25页 |
| 2.3.3 位置细胞 | 第25-26页 |
| 2.3.4 网格细胞 | 第26-27页 |
| 2.3.5 机器人位姿感知 | 第27-29页 |
| 2.4 情景记忆模型中的机器人场景感知 | 第29-37页 |
| 2.4.1 FAST特征点检测算法 | 第30页 |
| 2.4.2 BRIEF特征描述算子 | 第30-32页 |
| 2.4.3 ORB特征提取与描述算法 | 第32-33页 |
| 2.4.4 特征匹配 | 第33-34页 |
| 2.4.5 场景感知提取及匹配实验 | 第34-37页 |
| 2.5 本章小结 | 第37-38页 |
| 3 移动机器人认知地图构建方法 | 第38-55页 |
| 3.1 引言 | 第38页 |
| 3.2 基于情景记忆网络的环境认知学习方法概述 | 第38-43页 |
| 3.2.1 情景记忆网络模型结构 | 第39-41页 |
| 3.2.2 情景记忆网络学习的总体流程 | 第41-43页 |
| 3.3 情景记忆网络的具体功能实现 | 第43-51页 |
| 3.3.1 机器人重定位 | 第43-45页 |
| 3.3.2 事件生成及坐标化 | 第45-48页 |
| 3.3.3 动态信息处理 | 第48-49页 |
| 3.3.4 闭环检测 | 第49-51页 |
| 3.4 基于认知地图的移动机器人目标导航 | 第51-54页 |
| 3.4.1 路径全局规划 | 第51-53页 |
| 3.4.2 机器人行为控制 | 第53页 |
| 3.4.3 路径纠正机制 | 第53-54页 |
| 3.5 本章小结 | 第54-55页 |
| 4 实验验证分析 | 第55-74页 |
| 4.1 实验平台搭建 | 第55-57页 |
| 4.1.1 软件系统 | 第55-56页 |
| 4.1.2 硬件系统 | 第56-57页 |
| 4.2 小型环路认知实验 | 第57-60页 |
| 4.3 认知地图与基于概率学地图的比较 | 第60-62页 |
| 4.3.1 鲁棒性和准确性 | 第60-61页 |
| 4.3.2 地图友好与地图可用性 | 第61-62页 |
| 4.4 典型环境的认知实验 | 第62-69页 |
| 4.4.1 走廊内实验 | 第62-63页 |
| 4.4.2 办公室中实验 | 第63-65页 |
| 4.4.3 实验室中实验 | 第65-67页 |
| 4.4.4 向行驶实验 | 第67-68页 |
| 4.4.5 认知实验总结 | 第68-69页 |
| 4.5 目标导航实验 | 第69-72页 |
| 4.5.1 环境认知 | 第69-71页 |
| 4.5.2 目标导航 | 第71-72页 |
| 4.5.3 实验总结 | 第72页 |
| 4.6 本章小结 | 第72-74页 |
| 结论 | 第74-76页 |
| 参考文献 | 第76-82页 |
| 附录 ROS消息格式 | 第82-84页 |
| 攻读硕士学位期间发表学术论文情况 | 第84-85页 |
| 致谢 | 第85-86页 |
