基于SLAM的移动机器人室内环境感知和地图构建研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第13-21页 |
| 1.1 研究背景和意义 | 第13-15页 |
| 1.2 研究现伏 | 第15-18页 |
| 1.2.1 移动机器人研究现状 | 第15-16页 |
| 1.2.2 移动机器人同步定位与地图构建研究现状 | 第16-17页 |
| 1.2.3 并行计算研究现状 | 第17-18页 |
| 1.2.4 本体论研究现状 | 第18页 |
| 1.3 课题来源与论文组织结构 | 第18-19页 |
| 1.3.1 课题来源 | 第18页 |
| 1.3.2 论文组织结构 | 第18-19页 |
| 1.4 论文创新点 | 第19-21页 |
| 第二章 移动机器人室内SLAM系统关键技术 | 第21-27页 |
| 2.1 移动机器人位姿系统模型 | 第21-23页 |
| 2.1.1 坐标系模型 | 第21-22页 |
| 2.1.2 运动模型 | 第22-23页 |
| 2.1.3 噪声模型 | 第23页 |
| 2.2 SLAM中涉及关键技术 | 第23-26页 |
| 2.2.1 地图描述方法 | 第23-24页 |
| 2.2.2 激光雷达原理 | 第24-25页 |
| 2.2.3 数据关联 | 第25-26页 |
| 2.3 本章小结 | 第26-27页 |
| 第三章 基于粒子滤波的SLAM算法 | 第27-38页 |
| 3.1 算法思想 | 第27-28页 |
| 3.2 算法的实现 | 第28-33页 |
| 3.2.1 预测 | 第29-30页 |
| 3.2.2 更新 | 第30-33页 |
| 3.2.3 重采样 | 第33页 |
| 3.3 SLAM算法实验 | 第33-36页 |
| 3.4 算法优缺点分析 | 第36-37页 |
| 3.5 本章小结 | 第37-38页 |
| 第四章 并行优化的SLAM算法及实现 | 第38-49页 |
| 4.1 并行计算介绍 | 第38-39页 |
| 4.2 并行计算实现方法 | 第39-40页 |
| 4.2.1 并行编程模型 | 第39页 |
| 4.2.2 GPU并行计算 | 第39-40页 |
| 4.3 SLAM算法的并行与优化 | 第40-43页 |
| 4.3.1 优化分析 | 第41-42页 |
| 4.3.2 优化设计 | 第42-43页 |
| 4.4 并行优化的实现 | 第43-44页 |
| 4.5 并行优化结果分析 | 第44-48页 |
| 4.6 本章小结 | 第48-49页 |
| 第五章 机器人室内环境感知的本体语义转化 | 第49-64页 |
| 5.1 本体论概述 | 第50-55页 |
| 5.1.1 本体描述语言OWL | 第51-52页 |
| 5.1.2 本体构建一般步骤 | 第52-53页 |
| 5.1.3 本体语义转换规则 | 第53-55页 |
| 5.2 室内机器人环境信息的本体构建 | 第55-57页 |
| 5.2.1 本体构建开发工具简介 | 第55-56页 |
| 5.2.2 本体语义库的构建 | 第56-57页 |
| 5.3 室内环境数据采集 | 第57-61页 |
| 5.3.1 机器人地图数据信息采集 | 第57-58页 |
| 5.3.2 室内环境信息获取 | 第58-61页 |
| 5.4 基于规则的语义转换 | 第61-63页 |
| 5.5 本章小结 | 第63-64页 |
| 总结与展望 | 第64-65页 |
| 参考文献 | 第65-69页 |
| 攻读学位期间发表的论文 | 第69-71页 |
| 致谢 | 第71页 |
