| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-20页 |
| 1.1 课题研究背景与意义 | 第10-11页 |
| 1.2 移动机器人环境建模的研究现状 | 第11-14页 |
| 1.3 移动机器人环境探索的研究现状 | 第14-15页 |
| 1.4 移动机器人的自主定位的研究现状 | 第15-17页 |
| 1.4.1 移动机器人自主定位问题的分类 | 第15-16页 |
| 1.4.2 移动机器人自主定位算法 | 第16-17页 |
| 1.5 移动机器人路径规划的研究现状 | 第17-19页 |
| 1.6 论文主要研究内容以及组织结构 | 第19-20页 |
| 第2章 基于径向基神经网络的环境建模与探索算法 | 第20-34页 |
| 2.1 引言 | 第20页 |
| 2.2 径向基神经网络 | 第20-22页 |
| 2.3 基于径向基神经网络的环境模型建立 | 第22-26页 |
| 2.3.1 传感器模型与训练数据 | 第23-24页 |
| 2.3.2 地图融合算法 | 第24-25页 |
| 2.3.3 径向基神经网络与高斯过程连续地图的对比 | 第25-26页 |
| 2.4 基于前沿的未知环境探索算法 | 第26-31页 |
| 2.4.1 前沿的搜索算法 | 第26-28页 |
| 2.4.2 下一个探测点的生成 | 第28页 |
| 2.4.3 探索过程仿真实验 | 第28-31页 |
| 2.5 本章小结 | 第31-34页 |
| 第3章 基于霍夫变换与平移不变函数的全局定位算法 | 第34-46页 |
| 3.1 引言 | 第34页 |
| 3.2 霍夫变换与平移不变函数 | 第34-37页 |
| 3.2.1 霍夫变换 | 第34-36页 |
| 3.2.2 平移不变函数 | 第36-37页 |
| 3.3 基于霍夫变换的地图匹配算法 | 第37-40页 |
| 3.3.1 互相关函数 | 第37-38页 |
| 3.3.2 机器人可能位置的计算 | 第38-40页 |
| 3.4 实验 | 第40-43页 |
| 3.5 本章小结 | 第43-46页 |
| 第4章 基于互信息的采样路径规划算法 | 第46-56页 |
| 4.1 引言 | 第46页 |
| 4.2 基于采样的路径规划算法 | 第46-48页 |
| 4.2.1 快速搜索随机树 | 第46-47页 |
| 4.2.2 快速搜索信息收集算法 | 第47-48页 |
| 4.3 基于互信息的采样路径规划算法 | 第48-51页 |
| 4.3.1 信息量的评估方法 | 第48-49页 |
| 4.3.2 互信息的计算方法 | 第49-51页 |
| 4.4 本章实验 | 第51-54页 |
| 4.5 本章小结 | 第54-56页 |
| 总结与展望 | 第56-58页 |
| 参考文献 | 第58-62页 |
| 攻读硕士学位期间取得的学术成果 | 第62-64页 |
| 致谢 | 第64页 |