| 摘要 | 第9-10页 |
| ABSTRACT | 第10-11页 |
| 第一章 绪论 | 第12-18页 |
| 1.1 课题研究背景及意义 | 第12页 |
| 1.2 国内外研究现状 | 第12-16页 |
| 1.2.1 自主充电国外研究现状 | 第12-14页 |
| 1.2.2 自主充电国内研究现状 | 第14-16页 |
| 1.3 论文主要研究内容 | 第16-17页 |
| 1.4 章节安排 | 第17-18页 |
| 第二章 家庭陪护机器人室内SLAM | 第18-33页 |
| 2.1 激光雷达数据预处理 | 第18-20页 |
| 2.2 基于卡尔曼滤波算法的里程计数据融合 | 第20-28页 |
| 2.2.1 里程计模型 | 第21-22页 |
| 2.2.2 惯性测量系统 | 第22-26页 |
| 2.2.3 卡尔曼滤波数据融合 | 第26-28页 |
| 2.2.4 卡尔曼滤波融合算法验证 | 第28页 |
| 2.3 基于Rao-Blackwellized粒子滤波的SLAM算法 | 第28-32页 |
| 2.3.1 SLAM概率模型 | 第29-30页 |
| 2.3.2 SLAM算法实现 | 第30-32页 |
| 2.4 本章小结 | 第32-33页 |
| 第三章 家庭陪护机器人自主充电对接 | 第33-52页 |
| 3.1 基于自适应蒙特卡罗算法的机器人定位 | 第33-36页 |
| 3.1.1 算法原理 | 第34-36页 |
| 3.1.2 算法验证 | 第36页 |
| 3.2 自主充电远程对接 | 第36-42页 |
| 3.2.1 基于A~*算法的全局路径规划 | 第37-39页 |
| 3.2.2 基于DWA算法的局部路径规划 | 第39-42页 |
| 3.3 自主充电近程对接 | 第42-51页 |
| 3.3.1 基于双重优先级的红外导航对接算法 | 第42-47页 |
| 3.3.2 基于模糊控制的动态避障 | 第47-51页 |
| 3.4 本章小结 | 第51-52页 |
| 第四章 家庭陪护机器人自主充电系统设计与实现 | 第52-74页 |
| 4.1 系统体系结构与框架 | 第52-54页 |
| 4.2 系统硬件设计 | 第54-63页 |
| 4.2.1 运动平台结构和电机选型 | 第55-57页 |
| 4.2.2 关键传感器选型 | 第57-58页 |
| 4.2.3 相关电路设计 | 第58-62页 |
| 4.2.4 机械设计 | 第62-63页 |
| 4.3 系统软件设计 | 第63-73页 |
| 4.3.1 上位机软件设计 | 第63-67页 |
| 4.3.2 机器人本体软件设计 | 第67-72页 |
| 4.3.3 充电站软件设计 | 第72-73页 |
| 4.4 本章小结 | 第73-74页 |
| 第五章 系统测试 | 第74-90页 |
| 5.1 机器人运动平台测试 | 第74页 |
| 5.2 地图构建测试 | 第74-79页 |
| 5.3 自主充电远程对接测试 | 第79-82页 |
| 5.4 自主充电近程对接测试 | 第82-89页 |
| 5.5 本章小结 | 第89-90页 |
| 第六章 总结与展望 | 第90-92页 |
| 6.1 论文工作总结 | 第90-91页 |
| 6.2 研究前景展望 | 第91-92页 |
| 参考文献 | 第92-96页 |
| 致谢 | 第96-97页 |
| 硕士期间的科研成果 | 第97页 |
| 硕士期间参加的科研工作 | 第97-98页 |
| 学位论文评阅及答辩情况表 | 第98页 |