基于多传感器技术的移动机器人定位与建图研究
| 摘要 | 第4-6页 |
| ABSTRACT | 第6-8页 |
| 第一章 绪论 | 第12-20页 |
| 1.1 课题研究的意义 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-17页 |
| 1.3 研究的目的 | 第17-18页 |
| 1.4 课题研究的主要内容 | 第18-20页 |
| 第二章 移动机器人多传感器系统 | 第20-34页 |
| 2.1 移动机器人运动模型 | 第21-25页 |
| 2.1.1 上位机参数解析 | 第22-23页 |
| 2.1.2 电机输出轴转速 | 第23-25页 |
| 2.2 视觉传感器 | 第25-30页 |
| 2.2.1 深度相机组成 | 第25-26页 |
| 2.2.2 深度相机标定 | 第26-30页 |
| 2.3 激光雷达 | 第30-33页 |
| 2.3.1 激光雷达的原理和选型 | 第30-32页 |
| 2.3.2 激光测距传感器的信息预处理 | 第32-33页 |
| 2.3.3 扫描数据的聚类 | 第33页 |
| 2.4 本章小结 | 第33-34页 |
| 第三章 2D激光雷达SLAM研究 | 第34-59页 |
| 3.1 2D激光雷达SLAM研究 | 第34-36页 |
| 3.2 粒子滤波算法 | 第36-42页 |
| 3.2.1 粒子滤波算法原理 | 第36-41页 |
| 3.2.2 粒子滤波重采样算法 | 第41-42页 |
| 3.3 重采样算法思想 | 第42-46页 |
| 3.3.1 重采样算法原理 | 第42-44页 |
| 3.3.2 粒子滤波重采样算法研究 | 第44-46页 |
| 3.4 一种基于分层遗传变异重采样算法 | 第46-54页 |
| 3.4.1 分层遗传变异重采样算法思想 | 第48-50页 |
| 3.4.2 分层遗传变异重采样算法实现 | 第50-54页 |
| 3.5 仿真对比实验 | 第54-58页 |
| 3.6 本章小结 | 第58-59页 |
| 第四章 深度相机SLAM研究 | 第59-79页 |
| 4.1 深度相机导航地图 | 第59-63页 |
| 4.1.1 深度相机特征匹配算法 | 第60-63页 |
| 4.2 匹配点的筛选 | 第63-68页 |
| 4.2.1 RANSAC算法原理 | 第64页 |
| 4.2.2 RANSAC模型 | 第64-68页 |
| 4.3 RANSAMC算法 | 第68-70页 |
| 4.3.1 RANSAMC算法实现 | 第68-69页 |
| 4.3.2 RANSAMC算法流程 | 第69-70页 |
| 4.4 对比试验 | 第70-75页 |
| 4.5 点云匹配和后端优化 | 第75-78页 |
| 4.5.1 点云拼接和关键帧的选取 | 第75-76页 |
| 4.5.2 图优化方法 | 第76-77页 |
| 4.5.3 回环检测 | 第77-78页 |
| 4.6 本章小结 | 第78-79页 |
| 第五章 多传感器融合的移动机器人SLAM研究 | 第79-98页 |
| 5.1 传感器融合方法 | 第79-80页 |
| 5.2 传感器融合策略研究 | 第80-81页 |
| 5.3 模糊逻辑信息融合实现 | 第81-89页 |
| 5.3.1 2D激光雷达定位模块 | 第82-84页 |
| 5.3.2 深度视觉定位模块 | 第84-85页 |
| 5.3.4 决策信息融合主模块 | 第85-89页 |
| 5.4 实验结果与分析 | 第89-97页 |
| 5.4.1 实验平台 | 第89-90页 |
| 5.4.2 2D激光雷达SLAM实验 | 第90-93页 |
| 5.4.3 激光与深度融合的SLAM实验 | 第93-97页 |
| 5.5 本章小结 | 第97-98页 |
| 第六章 总结与展望 | 第98-100页 |
| 6.1 总结 | 第98-99页 |
| 6.2 展望 | 第99-100页 |
| 参考文献 | 第100-105页 |
| 致谢 | 第105-106页 |
| 攻读学位期间发表的学术论文目录 | 第106页 |
