服务机器人室内环境层次化地图构建方法研究
摘要 | 第4-6页 |
Abstract | 第6-7页 |
第1章 绪论 | 第14-34页 |
1.1 选题背景及意义 | 第14-15页 |
1.2 机器人定位及度量地图构建 | 第15-18页 |
1.2.1 笛卡尔坐标系下的点到点扫描匹配算法 | 第15-17页 |
1.2.2 极坐标系下的点到点扫描匹配算法 | 第17-18页 |
1.3 2D特征地图 | 第18-21页 |
1.3.1 2D特征提取 | 第18-20页 |
1.3.2 基于 2D扫描数据的闭环检测 | 第20-21页 |
1.4 语义地图构建 | 第21-27页 |
1.4.1 基于视觉语义地图构建 | 第22-24页 |
1.4.2 基于 2D激光的语义地图构建 | 第24-26页 |
1.4.3 语义导航 | 第26-27页 |
1.5 层次化地图构建 | 第27-30页 |
1.6 地图构建方法总结 | 第30-31页 |
1.7 本文主要研究内容 | 第31-34页 |
第2章 基于尺度加权范数的服务机器人位姿估计方法 | 第34-57页 |
2.1 引言 | 第34页 |
2.2 基于PMWN的扫描匹配 | 第34-39页 |
2.2.1 推导PMWN | 第36-38页 |
2.2.2 PMWN几何意义 | 第38-39页 |
2.3 位姿估计 | 第39-42页 |
2.3.1 旋转估计 | 第39-41页 |
2.3.2 平移估计 | 第41-42页 |
2.4 里程计与位姿估计融合 | 第42-44页 |
2.5 实验结果及分析 | 第44-56页 |
2.5.1 场景实验 | 第44-51页 |
2.5.2 闭环实验 | 第51-54页 |
2.5.3 大规模室内地图构建实验 | 第54-56页 |
2.6 本章小结 | 第56-57页 |
第3章 基于假设检验的室内环境特征识别方法 | 第57-78页 |
3.1 引言 | 第57-58页 |
3.2 特征识别 | 第58-66页 |
3.2.1 构建多维数据空间 | 第58-59页 |
3.2.2 特征区域划分 | 第59-61页 |
3.2.3 角点特征提取 | 第61-63页 |
3.2.4 线段特征提取 | 第63-64页 |
3.2.5 圆弧特征提取 | 第64-66页 |
3.3 特征匹配 | 第66-67页 |
3.4 特征融合 | 第67-68页 |
3.5 闭环检测 | 第68-71页 |
3.5.1 轮廓匹配 | 第69-70页 |
3.5.2 特征比较 | 第70-71页 |
3.6 实验结果及分析 | 第71-77页 |
3.6.1 复杂环境特征提取实验 | 第72-74页 |
3.6.2 特征融合实验 | 第74-75页 |
3.6.3 大规模环境的特征提取实验 | 第75-77页 |
3.7 本章小结 | 第77-78页 |
第4章 基于语义区域的语义地图构建方法 | 第78-98页 |
4.1 引言 | 第78页 |
4.2 语义区域描述及应用 | 第78-81页 |
4.2.1 语义区域定义 | 第79-80页 |
4.2.2 任务的语义关系 | 第80-81页 |
4.3 语义区域估计 | 第81-88页 |
4.3.1 语义标识设置与采集 | 第82-83页 |
4.3.2 标识更新层 | 第83-85页 |
4.3.3 区域更新层 | 第85-88页 |
4.4 语义导航 | 第88-90页 |
4.5 走廊与房间区分 | 第90-92页 |
4.6 实验结果及分析 | 第92-97页 |
4.6.1 长期性实验 | 第93-95页 |
4.6.2 机器人绑架实验 | 第95-97页 |
4.7 本章小结 | 第97-98页 |
第5章 层次化地图设计与实现 | 第98-121页 |
5.1 引言 | 第98页 |
5.2 层次化地图设计 | 第98-101页 |
5.2.1 各层地图设计 | 第99-100页 |
5.2.2 各层地图级联 | 第100-101页 |
5.3 实验结果及分析 | 第101-119页 |
5.3.1 房间内的层次化地图实验 | 第101-114页 |
5.3.2 大规模环境层次化地图实验 | 第114-119页 |
5.4 本章小结 | 第119-121页 |
结论与展望 | 第121-123页 |
参考文献 | 第123-132页 |
攻读学位期间发表的学术论文 | 第132-134页 |
致谢 | 第134-135页 |
个人简历 | 第135页 |