云端融合的同步定位与地图构建高效算法关键技术研究

目录

声明

第一章 绪论

1.1 研究背景和意义

1.1.1 SLAM问题及其面临的挑战

1.1.2 云端融合技术对SLAM效能的提升

1.2 SLAM问题模型及其求解

1.2.1 SLAM问题模型

1.2.2 SLAM求解方法

1.2.3 多机器人协同SLAM

1.3 本文主要工作

1.3.1 本文研究内容

1.3.2 主要贡献和工作评估方式

1.4 本文研究内容及章节安排

第二章 机器人SLAM效能扩增技术相关研究

2.1 引言

2.2 云端融合提升机器人效能的研究

2.2.1 云端融合和云机器人

2.2.2 面向机器人的云平台支持

2.2.3 云平台提升机器人任务执行效能

2.3 基于云端融合的SLAM计算迁移和知识共享相关研究

2.3.1 DAvinCi:利用Hadoop加速FastSLAM算法

2.3.2 面向三维地图重建的C2TAM

2.4 多机器人协同SLAM效能提升相关研究

2.4.1 多机器人SLAM的通信及其优化

2.4.2 多机器人SLAM的建图方式及其优化

2.4.3 基于云端融合的多机器人协同SLAM

2.5 SLAM相关子过程的效能扩增相关研究

2.5.1 回环检测

2.5.2 重定位和“绑架”问题

2.6 小结

第三章 面向QoS的SLAM计算透明迁移方法的研究

3.1 引言

3.2 Cloudroid关键机制设计

3.2.1 ROS平台和其编程模型

3.2.2 服务结构的自动生成机制

3.2.3 端到端的可感知QoS的机制设计

3.3 总体架构和实现

3.3.1 总体结构

3.3.2 实现和优化细节

3.4 性能验证与分析

3.4.1 验证平台的简介

3.4.2 测试应用的性能对比分析

3.4.3 在SLAMBench公开基准套件的性能测试

3.4.4 CPU和内存利用率的测试

3.4.5 Cloudroid在QoS维护的有效性测试

3.5 Cloudroid在真实物理环境中的性能测试

3.5.1 室内场景的建图实验

3.5.2 室内多机器人场景的建图实验

3.6 小结

第四章 基于云端融合的多机器人协同SLAM通信迁移方法研究

4.1 引言

4.2 通信迁移和协同迁移的相关研究

4.3 多机器人SLAM应用的通信效率建模和实验验证

4.3.1 基于Actor的计算模型和计算迁移模型

4.3.2 分布式多机器人架构和通信模型

4.3.3 计算迁移对通信负载的影响分析

4.3.4 基于公开数据集的多机器人协同SLAM的观察分析

4.4 通信迁移的关键机制设计

4.4.1 端到端的通信链路感知方法

4.4.2 基于云平台中继的消息去重机制

4.4.3 基于全局通信视图的拓扑优化

4.4.4 Cloudroid Swarm实现

4.5 基于协同SLAM相关应用的验证与分析

4.5.1 CGSLAM协同SLAM应用的对比实验和分析

4.5.2 基于协同SLAM的其他任务的测试和分析

4.6 小结

第五章 基于云端融合的大规模机器人协同SLAM方法

5.1 引言

5.2 协同分组算法和地图共享一致性机制

5.2.1 基于费用流的机器人分组算法

5.2.2 SLAM的低延迟数据一致共享模型

5.3 总体架构设计和实现

5.4 实验验证和分析

5.4.1 实验环境和软硬件配置

5.4.2 云平台内部计算和通信效果分析

5.4.3 在不同尺度环境场景中的公开数据集测试

5.4.4 室外多无人机场景建图验证和分析

5.5 小结

第六章 基于云端地图知识融合的SLAM效能扩增方法的研究

6.1 引言

6.2 PoseDB：利用共享地图知识提升回环检测速度的方法

6.2.1 问题描述

6.2.2 通过内存实验观测

6.2.3 PoseDB中的主要算法

6.2.4 PoseDB系统结构

6.2.5 实验验证和分析

6.3 共享云平台提升稀疏SLAM重定位速度的方法

6.3.1 相关的预备知识

6.3.2 方法和设计

6.3.3 系统实现

6.3.4 实验验证和分析

6.4 小结

第七章 结论

致谢

参考文献

作者在学期间取得的学术成果