| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-16页 |
| 1.1 课题背景及研究的目的和意义 | 第9-10页 |
| 1.2 国内外研究现状况及分析 | 第10-11页 |
| 1.2.1 移动机器人系统的国外发展概况 | 第10-11页 |
| 1.2.2 移动机器人系统的国内研究状况 | 第11页 |
| 1.3 移动机器人的定位和建图 | 第11-15页 |
| 1.4 本文的主要研究内容 | 第15-16页 |
| 第2章 移动机器人实验平台设计 | 第16-27页 |
| 2.1 引言 | 第16页 |
| 2.2 移动机器人的系统结构 | 第16-20页 |
| 2.2.1 移动机器人的机械系统部分 | 第17页 |
| 2.2.2 移动机器人的硬件系统部分 | 第17-19页 |
| 2.2.3 移动机器人的软件系统部分 | 第19-20页 |
| 2.3 视觉感知模块 | 第20-23页 |
| 2.3.1 KINECT 简介 | 第20-21页 |
| 2.3.2 KINECT 传感器的标定 | 第21-22页 |
| 2.3.3 KINECT D 图信息压缩 | 第22-23页 |
| 2.4 运动感测模块 | 第23-26页 |
| 2.4.1 运动感测模块结构 | 第23-24页 |
| 2.4.2 微控制器与 CMPS10 之间的通信 | 第24-25页 |
| 2.4.3 微控制器与 Ubuntu12.04 通信 | 第25-26页 |
| 2.5 本章小结 | 第26-27页 |
| 第3章 移动机器人概率模型的建立 | 第27-45页 |
| 3.1 引言 | 第27页 |
| 3.2 概率运动学模型 | 第27-35页 |
| 3.2.1 概率运动学的基本概念 | 第27-28页 |
| 3.2.2 基于速度与角速度的运动模型 | 第28-34页 |
| 3.2.3 运动模型的实现 | 第34-35页 |
| 3.3 观测概率模型 | 第35-39页 |
| 3.3.1 观测误差的分析 | 第37-39页 |
| 3.3.2 实现算法 | 第39页 |
| 3.4 基于 EM 算法的参数确定 | 第39-44页 |
| 3.4.1 观测模型参数的 EM 算法 | 第39-42页 |
| 3.4.2 观测模型参数的确定 | 第42-44页 |
| 3.5 本章小结 | 第44-45页 |
| 第4章 未知环境中机器人的定位与建图 | 第45-66页 |
| 4.1 引言 | 第45-46页 |
| 4.2 移动机器人定位与建图的算法模型 | 第46-47页 |
| 4.3 模糊重采样粒子滤波算法 | 第47-56页 |
| 4.3.1 基本 PF 算法 | 第47-49页 |
| 4.3.2 重要性采样 | 第49-50页 |
| 4.3.3 模糊重采样 | 第50-53页 |
| 4.3.4 模糊重采样粒子滤波 | 第53-56页 |
| 4.4 基于模糊重采样 PF 的移动机器人定位与建图 | 第56-65页 |
| 4.4.1 马尔科夫定位 | 第56-57页 |
| 4.4.2 模糊重采样粒子滤波定位 | 第57-58页 |
| 4.4.3 基于改进 PF 的同时定位与建图 | 第58-61页 |
| 4.4.5 定位与建图算法的实现 | 第61-65页 |
| 4.5 本章小结 | 第65-66页 |
| 结论 | 第66-67页 |
| 参考文献 | 第67-72页 |
| 致谢 | 第72页 |