| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第一章 绪论 | 第10-21页 |
| ·移动机器人及其网络化应用 | 第10-11页 |
| ·定位导航研究现状 | 第11-15页 |
| ·环境模型 | 第11-13页 |
| ·定位方法 | 第13-15页 |
| ·环境建模研究现状 | 第15-17页 |
| ·几何建模 | 第15-16页 |
| ·拓扑建模 | 第16-17页 |
| ·课题研究背景 | 第17页 |
| ·论文的研究思路与研究内容 | 第17-19页 |
| ·论文的结构安排 | 第19-21页 |
| 第二章 基于特征的环境模型及特征识别算法 | 第21-40页 |
| ·引言 | 第21页 |
| ·内部位置传感信息 | 第21-23页 |
| ·声纳特征提取 | 第23-25页 |
| ·视觉特征提取预备知识 | 第25-29页 |
| ·视觉特征 | 第26-27页 |
| ·基于知识推理的贝叶斯网络 | 第27-29页 |
| ·基于贝叶斯网络的视觉特征识别算法 | 第29-35页 |
| ·感知组织算法 | 第29-31页 |
| ·颜色特征识别 | 第31-32页 |
| ·方形隔间识别网络 | 第32-33页 |
| ·冰箱识别网络 | 第33-34页 |
| ·门特征识别网络 | 第34-35页 |
| ·视觉特征识别结果 | 第35-36页 |
| ·视觉特征识别算法性能分析 | 第36-37页 |
| ·识别的可靠性 | 第36页 |
| ·计算复杂性 | 第36-37页 |
| ·可扩展性 | 第37页 |
| ·基于特征的环境模型应用实例 | 第37-39页 |
| ·本章小结 | 第39-40页 |
| 第三章 基于二维平面视觉特征的跟踪导航研究 | 第40-51页 |
| ·引言 | 第40页 |
| ·平面视觉特征(轨线)参数提取 | 第40-43页 |
| ·特征(轨线)识别 | 第41页 |
| ·特征(轨线)参数转换 | 第41-43页 |
| ·跟踪控制策略 | 第43-47页 |
| ·方向小偏差稳态控制 | 第43-44页 |
| ·方向大偏差动态过程 | 第44-47页 |
| ·控制模式切换 | 第47页 |
| ·轨线跟踪实验及分析 | 第47-50页 |
| ·参数选择 | 第47-48页 |
| ·跟踪实验结果 | 第48-50页 |
| ·本章小结 | 第50-51页 |
| 第四章 改进的融合多传感器信息的组合自定位方法 | 第51-64页 |
| ·引言 | 第51-52页 |
| ·卡尔曼滤波器 | 第52页 |
| ·Markov 方法 | 第52页 |
| ·Monte Carlo 方法 | 第52页 |
| ·融合多传感器信息的组合定位方法提出 | 第52-53页 |
| ·Markov-EKF 组合定位算法实现 | 第53-60页 |
| ·定位过程 | 第53-54页 |
| ·位姿空间离散 | 第54-56页 |
| ·初始化过程 | 第56-57页 |
| ·Markov-EKF 位姿更新过程 | 第57-60页 |
| ·实施中的有关问题 | 第60-61页 |
| ·组合方法应用及分析 | 第61-63页 |
| ·全局定位 | 第62页 |
| ·位置跟踪 | 第62-63页 |
| ·本章小结 | 第63-64页 |
| 第五章 改进的基于视觉特征的扩展Monte Carlo定位方法 | 第64-80页 |
| ·引言 | 第64页 |
| ·Monte Carlo 定位原理 | 第64-67页 |
| ·基本原理 | 第64-66页 |
| ·存在问题 | 第66-67页 |
| ·改进的扩展Monte Carlo 定位算法 | 第67-70页 |
| ·常规Monte Carlo 定位算法 | 第67-69页 |
| ·扩展Monte Carlo 定位算法 | 第69-70页 |
| ·基于视觉特征的扩展Monte Carlo 定位算法实现 | 第70-75页 |
| ·预测采样更新 | 第71页 |
| ·视觉特征感知更新 | 第71-72页 |
| ·重采样过程 | 第72-74页 |
| ·位姿估计 | 第74-75页 |
| ·定位实验结果 | 第75-78页 |
| ·绑架前后的全局定位过程 | 第75-77页 |
| ·定位误差比较 | 第77-78页 |
| ·时间性能分析 | 第78页 |
| ·本章小结 | 第78-80页 |
| 第六章 基于分级式混合环境模型的SLAM解决方法 | 第80-96页 |
| ·引言 | 第80-81页 |
| ·基于特征的环境模型构造 | 第81-83页 |
| ·全局拓扑特征 | 第81-82页 |
| ·局部几何特征 | 第82页 |
| ·实施考虑因素 | 第82-83页 |
| ·拓扑全局建模方法 | 第83-86页 |
| ·部分可观察的马尔可夫模型 | 第83-85页 |
| ·拓扑模型的建模过程 | 第85-86页 |
| ·基于视觉特征的贝叶斯局部建模方法 | 第86-91页 |
| ·基于视觉特征的FastSLAM 方法 | 第87-90页 |
| ·两级数据相关方法 | 第90页 |
| ·particle 滤波器的性能改善 | 第90-91页 |
| ·环境建模实验及分析 | 第91-95页 |
| ·实验一：小规模全局环境建模 | 第92-93页 |
| ·实验二：小规模环形环境建模 | 第93-94页 |
| ·实验三：大规模环境拓扑建模及定位导航 | 第94-95页 |
| ·本章小结 | 第95-96页 |
| 第七章 定位导航和环境建模技术在网络机器人系统中的应用 | 第96-108页 |
| ·引言 | 第96页 |
| ·网络机器人基本控制结构 | 第96-98页 |
| ·智能行为与网络机器人系统的集成 | 第98-103页 |
| ·机器人服务端智能行为集成方法 | 第99-100页 |
| ·智能行为中感知信息与行为的交互方式 | 第100-101页 |
| ·客户端全局环境模型加载与显示 | 第101-102页 |
| ·机器人服务端与客户端信息的通讯 | 第102-103页 |
| ·网络机器人智能行为集成应用 | 第103-106页 |
| ·网络环境下轨线跟踪应用实验 | 第103-105页 |
| ·网络环境下全局定位应用实验 | 第105页 |
| ·网络环境下拓扑建模应用实验 | 第105-106页 |
| ·本章小结 | 第106-108页 |
| 第八章 总结与展望 | 第108-110页 |
| ·论文研究工作总结 | 第108-109页 |
| ·未来的工作展望 | 第109-110页 |
| 致谢 | 第110-111页 |
| 参考文献 | 第111-121页 |
| 攻读博士学位期间完成的学术论文 | 第121页 |
