| 摘要 | 第5-7页 |
| Abstract | 第7-9页 |
| 第1章 绪论 | 第12-20页 |
| 1.1 课题研究的背景及现状 | 第12-14页 |
| 1.1.1 课题研究的背景及意义 | 第12页 |
| 1.1.2 课题研究现状 | 第12-14页 |
| 1.2 智能地面移动机器人的分类及简介 | 第14-15页 |
| 1.3 移动机器人的实时定位与建图(SLAM)研究概述 | 第15-18页 |
| 1.3.1 SLAM的发展历史 | 第15-16页 |
| 1.3.2 SLAM的研究现状 | 第16-17页 |
| 1.3.3 SLAM的发展前景 | 第17-18页 |
| 1.4 论文研究的主要内容 | 第18-20页 |
| 第2章 移动机器人系统建模 | 第20-25页 |
| 2.1 机器人坐标系建立 | 第20-21页 |
| 2.2 机器人行进及环境观测模型 | 第21-22页 |
| 2.2.1 机器人行进模型 | 第21-22页 |
| 2.2.2 环境观测模型 | 第22页 |
| 2.3 环境地图的构建及其增广模型 | 第22-23页 |
| 2.4 噪声模型 | 第23页 |
| 2.5 本章小结 | 第23-25页 |
| 第3章 卡尔曼滤波在SLAM问题中的应用 | 第25-38页 |
| 3.1 卡尔曼滤波的概述 | 第25页 |
| 3.2 SLAM问题的概率描述 | 第25-26页 |
| 3.3 基于扩展卡尔曼滤波的SLAM研究 | 第26-30页 |
| 3.3.1 EKF-SLAM算法 | 第26页 |
| 3.3.2 EKF-SLAM算法过程 | 第26-27页 |
| 3.3.3 EKF-SLAM算法仿真实验及其结果分析 | 第27-30页 |
| 3.4 基于无迹卡尔曼滤波的SLAM研究 | 第30-37页 |
| 3.4.1 UKF-SLAM算法 | 第30-31页 |
| 3.4.2 UT变换 | 第31-32页 |
| 3.4.3 UKF-SLAM算法过程 | 第32-34页 |
| 3.4.4 EKF-SLAM与UKF-SLAM仿真实验及其结果分析 | 第34-37页 |
| 3.5 本章小结 | 第37-38页 |
| 第4章 基于UKF-SLAM改进算法的研究 | 第38-46页 |
| 4.1 SR-UKF-SLAM算法 | 第38-39页 |
| 4.1.1 算法说明 | 第38-39页 |
| 4.1.2 SR-UKF-SLAM | 第39页 |
| 4.2 SPSR-UKF-SLAM算法 | 第39-40页 |
| 4.3 UKF-SLAM改进算法仿真实验及其结果分析 | 第40-44页 |
| 4.4 本章小结 | 第44-46页 |
| 第5章 用于SLAM研究的室内移动机器人的硬件设计 | 第46-54页 |
| 5.1 室内移动机器人平台搭建 | 第46-47页 |
| 5.2 运动控制模块 | 第47-49页 |
| 5.3 传感器模块 | 第49-52页 |
| 5.4 通讯模块 | 第52-53页 |
| 5.5 本章小结 | 第53-54页 |
| 第6章 用于SLAM研究的室内移动机器人的软件设计及实现 | 第54-69页 |
| 6.1 机器人下位机软件设计 | 第54-56页 |
| 6.2 机器人上位机软件架构及界面设计 | 第56-58页 |
| 6.3 移动机器人的SLAM应用 | 第58-68页 |
| 6.3.1 激光雷达传感器数据读取 | 第58-62页 |
| 6.3.2 基于里程计与陀螺仪的航位推算 | 第62-63页 |
| 6.3.3 基于激光雷达传感器的机器人避障 | 第63-66页 |
| 6.3.4 机器人实时定位与建图 | 第66-68页 |
| 6.4 本章小结 | 第68-69页 |
| 第7章 总结与展望 | 第69-71页 |
| 7.1 工作总结 | 第69-70页 |
| 7.2 展望 | 第70-71页 |
| 参考文献 | 第71-74页 |
| 攻读学位期间发表的学术论文目录 | 第74页 |
| 攻读学位期间取得的科研成果目录 | 第74-75页 |
| 致谢 | 第75页 |
