动态场景下基于改进粒子滤波器的SLAM算法
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第13-19页 |
| 1.1 课题背景与研究意义 | 第13-14页 |
| 1.2 国内外研究现状 | 第14-17页 |
| 1.2.1 SLAM的主要研究方法 | 第14-15页 |
| 1.2.2 基于扫描匹配自定位的研究现状 | 第15-17页 |
| 1.2.3 动态场景的研究现状 | 第17页 |
| 1.3 课题来源与研究内容 | 第17-19页 |
| 第二章 自主移动机器人平台及SLAM系统建模 | 第19-30页 |
| 2.1 机器人操作系统及仿真软件介绍 | 第19-21页 |
| 2.1.1 ROS | 第19-20页 |
| 2.1.2 Gazebo仿真器 | 第20-21页 |
| 2.2 自主移动机器人系统模型 | 第21-25页 |
| 2.2.1 移动机器人及运动模型 | 第21-22页 |
| 2.2.2 环境特征模型 | 第22页 |
| 2.2.3 激光测距仪及观测模型 | 第22-25页 |
| 2.3 SLAM系统模型与改进算法基础 | 第25-29页 |
| 2.3.1 SLAM系统模型 | 第25-27页 |
| 2.2.4 基于粒子滤波器SLAM算法 | 第27-29页 |
| 2.4 本章小结 | 第29-30页 |
| 第三章 融合PLICP扫描匹配改进的里程估计算法 | 第30-39页 |
| 3.1 问题的提出与描述 | 第30页 |
| 3.2 传统扫描匹配不足分析 | 第30-31页 |
| 3.3 融合PLICP的改进里程估计算法 | 第31-37页 |
| 3.3.1 基于点-线ICP的原理与算法 | 第31-33页 |
| 3.3.2 混合快速搜索关联点算法 | 第33-34页 |
| 3.3.3 数据集对比验证实验 | 第34-36页 |
| 3.3.4 融合PLICP扫描匹配的运动模型 | 第36-37页 |
| 3.4 实验与分析 | 第37-38页 |
| 3.5 本章小结 | 第38-39页 |
| 第四章 基于元胞自动机改进的SLAM算法 | 第39-48页 |
| 4.1 改进算法的提出 | 第39页 |
| 4.2 元胞自动机简介 | 第39页 |
| 4.3 栅格地图的构建 | 第39-41页 |
| 4.4 改进SLAM算法中的CA策略 | 第41-44页 |
| 4.3.1 改进CA邻居分布 | 第41页 |
| 4.3.2 改进强化特征规则 | 第41-43页 |
| 4.3.3 算法的动态更新 | 第43-44页 |
| 4.5 CA-SLAM的算法 | 第44-45页 |
| 4.4.1 融入CA策略的可行性分析 | 第44页 |
| 4.4.2 CA-SLAM算法流程框架 | 第44-45页 |
| 4.6 仿真与实验分析 | 第45-47页 |
| 4.5.1 CA-SLAM仿真与分析 | 第45-46页 |
| 4.5.2 CA-SLAM实验与分析 | 第46-47页 |
| 4.7 本章小结 | 第47-48页 |
| 第五章 动态环境下基于CA改进的分层SLAM | 第48-60页 |
| 5.1 问题的提出与改进思路 | 第48页 |
| 5.2 三维环境的分层感知表示 | 第48-49页 |
| 5.3 基于CA改进的分层SLAM算法 | 第49-54页 |
| 5.3.1 动静态地图层的构建 | 第49-52页 |
| 5.3.2 动态场景分层CA-SLAM算法 | 第52-54页 |
| 5.4 仿真与实验分析 | 第54-58页 |
| 5.4.1 仿真与分析 | 第54-56页 |
| 5.4.2 实验与分析 | 第56-58页 |
| 5.5 本章小结 | 第58-60页 |
| 总结与展望 | 第60-62页 |
| 参考文献 | 第62-66页 |
| 攻读学位期间发表的论文 | 第66-68页 |
| 致谢 | 第68页 |
