| 摘要 | 第11-13页 |
| ABSTRACT | 第13-14页 |
| 第一章 绪论 | 第15-33页 |
| 1.1 课题的研究背景及意义 | 第15-17页 |
| 1.2 移动机器人的同时定位和地图构建研究现状及分析 | 第17-19页 |
| 1.3 移动机器人适应搜救环境SLAM研究现状与趋势 | 第19-29页 |
| 1.3.1 移动机器人SAR SLAM研究进展 | 第19-22页 |
| 1.3.2 移动机器人SAR SLAM研究的基本问题与方法 | 第22-27页 |
| 1.3.3 移动机器人SAR SLAM研究的挑战及发展趋势 | 第27-29页 |
| 1.4 主要研究内容 | 第29-30页 |
| 1.5 论文结构 | 第30-33页 |
| 第二章 机器人手臂辅助的搜救环境SLAM系统及方法 | 第33-57页 |
| 2.1 引言 | 第33页 |
| 2.2 机器人手臂及其感知探索模型 | 第33-44页 |
| 2.2.1 机器人手臂的感知探索应用 | 第34-35页 |
| 2.2.2 机器人手臂模型及控制算法 | 第35-40页 |
| 2.2.3 远程监控GUI界面和手臂控制命令程序Cyton | 第40-42页 |
| 2.2.4 目标的感知探索 | 第42-44页 |
| 2.3 OOI标记的粒子过滤器SLAM | 第44-48页 |
| 2.3.1 粒子过滤器渗透导航算法 | 第44-46页 |
| 2.3.2 2D/3D-OOI特征标记定位 | 第46-48页 |
| 2.4 机器人手臂辅助SLAM系统及方法 | 第48-50页 |
| 2.4.1 SLAM系统 | 第48-49页 |
| 2.4.2 SLAM方法 | 第49-50页 |
| 2.5 仿真与实验 | 第50-55页 |
| 2.5.1 仿真与实验过程 | 第50-53页 |
| 2.5.2 适应SAR环境性能的O1实验结果与分析 | 第53-55页 |
| 2.6 本章小结 | 第55-57页 |
| 第三章 基于多机器人自组织移动局域网的SAR-SLAM | 第57-91页 |
| 3.1 引言 | 第57-58页 |
| 3.2 移动Ad-WSN局域网SLAM系统及构建方法 | 第58-66页 |
| 3.2.1 无线传感器网在SLAM中的应用 | 第58-59页 |
| 3.2.2 移动Ad-WSN局域网SLAM模型 | 第59-62页 |
| 3.2.3 移动Ad-WSN主-从多机器人系统结构及方法 | 第62-66页 |
| 3.3 多机器人SLAM移动Ad-WSN局域网部署策略 | 第66-69页 |
| 3.3.1 策略最小代价准则 | 第66-68页 |
| 3.3.2 最小二乘LS算法 | 第68-69页 |
| 3.4 机器人移动Ad-WSN局域网SLAM算法模型 | 第69-76页 |
| 3.4.1 移动多机器人Ad-WSN局域网SLAM工作方法 | 第69-71页 |
| 3.4.2 集成概率DP滤波器SLAM算法 | 第71-74页 |
| 3.4.3 多机器人SLAM过程 | 第74-76页 |
| 3.5 仿真与实验 | 第76-89页 |
| 3.5.1 虚拟多机器人协作SLAM仿真 | 第76-81页 |
| 3.5.2 SAR SLAM地面实况实验 | 第81-83页 |
| 3.5.3 移动Ad-WSN SLAM的AC和LC性能实验结果与分析 | 第83-89页 |
| 3.6 本章小结 | 第89-91页 |
| 第四章 感知驱动探索SAR环境的层级SLAM分析方法 | 第91-115页 |
| 4.1 引言 | 第91页 |
| 4.2 SLAM层级结构分析方法 | 第91-96页 |
| 4.2.1 层级地图构建机制 | 第91-93页 |
| 4.2.2 二层级粒子渗透法定位和稠密地图构建 | 第93-94页 |
| 4.2.3 三层级SPA控制体系结构 | 第94-95页 |
| 4.2.4 六自由度三维(6-DoF-3D)层级分析 | 第95-96页 |
| 4.2.5 多层级树形图表示 | 第96页 |
| 4.3 感知驱动探索(PDE)法H-SLAM地图创建 | 第96-106页 |
| 4.3.1 非结构化SAR区域层级形态 | 第96-99页 |
| 4.3.2 H-SLAM感知驱动探索(PDE)模型 | 第99-103页 |
| 4.3.3 低层级子地图创建 | 第103-105页 |
| 4.3.4 高层级粒子拓扑地图形成 | 第105页 |
| 4.3.5 闭环探索重访点检测 | 第105页 |
| 4.3.6 全局一致地图校正与更新 | 第105-106页 |
| 4.4 仿真与实验 | 第106-112页 |
| 4.4.1 仿真与实验过程 | 第106-109页 |
| 4.4.2 感知驱动H-SLAM方法的地图构建实验结果与分析 | 第109-112页 |
| 4.5 本章小结 | 第112-115页 |
| 第五章 基于V-SLAM目标特征提取的2D/3D地图重构 | 第115-149页 |
| 5.1 引言 | 第115页 |
| 5.2 非结构化环境的3D目标局部地图重建方法 | 第115-130页 |
| 5.2.1 预备知识 | 第115-116页 |
| 5.2.2 V-SLAM光流法 | 第116-122页 |
| 5.2.3 RGB-D相机的图像深度信息获取 | 第122-126页 |
| 5.2.4 Kinect视觉系统捕获RGB深度图像 | 第126-129页 |
| 5.2.5 图像V-SLAM性能分析 | 第129-130页 |
| 5.3 适应于SAR场景的3D V-SLAM重构算法 | 第130-140页 |
| 5.3.1 预备知识 | 第130页 |
| 5.3.2 基于小波变换的2D/3D图像处理 | 第130-132页 |
| 5.3.3 改进的数据关联算法 | 第132-135页 |
| 5.3.4 基于图像的点云地图3D重构 | 第135-136页 |
| 5.3.5 拓扑地图重构中的信息融合 | 第136-139页 |
| 5.3.6 立体V-SLAM算法的性能分析 | 第139-140页 |
| 5.4 仿真与实验 | 第140-148页 |
| 5.4.1 MobileRobot仿真及实验平台 | 第140页 |
| 5.4.2 仿真和实验流程 | 第140-141页 |
| 5.4.3 虚拟机器人适应SAR场景性能仿真 | 第141-142页 |
| 5.4.4 室内模拟SAR环境Pioneer LX机器人SLAM实验 | 第142-144页 |
| 5.4.5 室外地面实况场景LUKER Ⅱ履带机器人实验 | 第144-145页 |
| 5.4.6 SLAM过程2D/3D局部OOI重构性能的实验结果与分析 | 第145-148页 |
| 5.5 本章小结 | 第148-149页 |
| 第六章 机器人SAR SLAM信息融合方法及性能分析 | 第149-173页 |
| 6.1 引言 | 第149页 |
| 6.2 SAR-SLAM适应性要求 | 第149-154页 |
| 6.2.1 SAR SLAM信息集成理论模型及适应性要求 | 第149-151页 |
| 6.2.2 SAR SLAM方法的集成与信息融合 | 第151-153页 |
| 6.2.3 多机器人与多传感器集成架构的信息融合 | 第153-154页 |
| 6.3 SAR-SLAM的典型融合方法 | 第154-156页 |
| 6.3.1 MRPT多机器人平行轨迹融合 | 第154页 |
| 6.3.2 量测数据融合 | 第154-155页 |
| 6.3.3 目标图像融合 | 第155页 |
| 6.3.4 迭代最近点方法 | 第155-156页 |
| 6.3.5 概率粒子过滤器R-B EKF | 第156页 |
| 6.4 适应SAR SLAM的信息集成算法 | 第156-163页 |
| 6.4.1 模型预定义 | 第156-157页 |
| 6.4.2 集成信息滤波算法IF-SLAM | 第157-160页 |
| 6.4.3 两种融合方法的误差分析与比较 | 第160-162页 |
| 6.4.4 多信息融合准则 | 第162-163页 |
| 6.5 仿真与实验 | 第163-171页 |
| 6.5.1 仿真与实验过程 | 第163-166页 |
| 6.5.2 搜救环境SLAM实验结果与性能分析 | 第166-171页 |
| 6.6 本章小结 | 第171-173页 |
| 第七章 总结与展望 | 第173-177页 |
| 7.1 总结 | 第173-174页 |
| 7.2 展望 | 第174-177页 |
| 参考文献 | 第177-193页 |
| 致谢 | 第193-195页 |
| 攻读博士学位期间完成的论文 | 第195-197页 |
| 攻读博士学位期间完成的专利 | 第197-199页 |
| 攻读博士学位期间参与的科研项目 | 第199-200页 |
| 学位论文评阅及答辩情况表 | 第200页 |
