| 摘要 | 第6-7页 |
| Abstract | 第7页 |
| 第1章 绪论 | 第10-20页 |
| 1.1 科学意义和应用前景 | 第10-12页 |
| 1.2 国内外研究概况 | 第12-18页 |
| 1.2.1 国内外机器人平台研究概况 | 第12-14页 |
| 1.2.2 机器人自动定位技术研究现状 | 第14-16页 |
| 1.2.3 构图研究现状 | 第16页 |
| 1.2.4 地图融合研究现状 | 第16-18页 |
| 1.3 主要研究内容 | 第18页 |
| 1.4 本章小结 | 第18-20页 |
| 第2章 SLAM关键技术 | 第20-26页 |
| 2.1 SLAM相关技术简介 | 第20-21页 |
| 2.2 两种常用SLAM方法及比较 | 第21-23页 |
| 2.2.1 基于EKF的SLAM方法 | 第21-22页 |
| 2.2.2 基于PF的SLAM方法 | 第22-23页 |
| 2.3 SIFT特征提取算法 | 第23-24页 |
| 2.4 聚类算法 | 第24-25页 |
| 2.5 SLAM流程 | 第25页 |
| 2.6 本章小结 | 第25-26页 |
| 第3章 环境建模与数据增补策略 | 第26-36页 |
| 3.1 机器人位姿模型 | 第26页 |
| 3.2 环境信息模型 | 第26-29页 |
| 3.2.1 环境探测模型 | 第26-28页 |
| 3.2.2 数据采集模型 | 第28-29页 |
| 3.3 特征提取模型 | 第29-30页 |
| 3.4 特征匹配 | 第30-32页 |
| 3.5 局部环境的数据增补策略 | 第32-34页 |
| 3.6 本章小结 | 第34-36页 |
| 第4章 基于聚类的Keenan-Motley地图融合算法 | 第36-42页 |
| 4.1 基于Keenan-Motley的室内定位算法 | 第36-38页 |
| 4.1.1 自由空间模型 | 第36-37页 |
| 4.1.2 Keenan-Motley室内传播模型 | 第37页 |
| 4.1.3 基于Keenan-Motley的室内定位算法 | 第37-38页 |
| 4.2 地图融合技术 | 第38-39页 |
| 4.3 基于聚类的Keenan-Motley地图融合算法 | 第39-41页 |
| 4.4 本章小结 | 第41-42页 |
| 第5章 实验结果与仿真分析 | 第42-54页 |
| 5.1 实验平台和实验环境介绍 | 第42-43页 |
| 5.2 基于超声传感器的构图实验与分析 | 第43-46页 |
| 5.3 基于聚类的Keenan-Motley地图融合算法的实验与分析 | 第46-53页 |
| 5.4 本章小结 | 第53-54页 |
| 总结与展望 | 第54-56页 |
| 致谢 | 第56-57页 |
| 参考文献 | 第57-60页 |
| 作者简介 | 第60页 |
| 攻读硕士期间发表的论文和科研成果 | 第60-61页 |
