摘要 | 第3-5页 |
abstract | 第5-6页 |
第1章 绪论 | 第10-19页 |
1.1 选题研究背景及意义 | 第10-11页 |
1.2 移动服务机器人相关课题研究现状 | 第11-16页 |
1.2.1 移动服务机器人研究现状 | 第11-14页 |
1.2.2 导航技术的研究现状 | 第14-16页 |
1.3 论文主要研究内容及结构安排 | 第16-19页 |
1.3.1 论文主要研究内容 | 第16-17页 |
1.3.2 论文组织结构 | 第17-19页 |
第2章 移动服务机器人室内激光导航总体方案设计 | 第19-32页 |
2.1 移动服务机器人导航传感器 | 第19-21页 |
2.1.1 内部传感器 | 第19-20页 |
2.1.2 外部传感器 | 第20-21页 |
2.2 移动服务机器人导航相关技术 | 第21-23页 |
2.2.1 移动服务机器人的定位与地图构建 | 第21页 |
2.2.2 移动服务机器人路径规划技术 | 第21-23页 |
2.3 ROS技术 | 第23-27页 |
2.3.1 计算图级层 | 第24-26页 |
2.3.2 文件系统级层 | 第26-27页 |
2.4 机器人激光自主导航系统设计 | 第27-31页 |
2.4.1 移动机器人运动模型 | 第27-29页 |
2.4.2 传感器观测模型 | 第29-30页 |
2.4.3 自主导航系统的总体方案设计 | 第30-31页 |
2.5 本章小结 | 第31-32页 |
第3章 基于改进IRBHF算法的同时定位与地图构建 | 第32-50页 |
3.1 机器人SLAM问题基本原理 | 第32-34页 |
3.1.1 机器人SLAM问题一般描述 | 第32页 |
3.1.2 移动机器人SLAM关键技术 | 第32-34页 |
3.2 粒子滤波算法 | 第34-38页 |
3.2.1 贝叶斯重要性采样 | 第35-36页 |
3.2.2 序贯重要性采样 | 第36-37页 |
3.2.3 重采样技术 | 第37-38页 |
3.3 基于Rao-Blackwellized粒子滤波的SLAM算法 | 第38-39页 |
3.4 基于IRBHF的SLAM算法 | 第39-49页 |
3.4.1 H∞滤波器的基本原理 | 第39-41页 |
3.4.2 重要性采样 | 第41-44页 |
3.4.3 改进算法流程 | 第44-45页 |
3.4.4 仿真结果及分析 | 第45-47页 |
3.4.5 实验结果及分析 | 第47-49页 |
3.5 本章小结 | 第49-50页 |
第4章 基于改进人工鱼群算法的路径规划 | 第50-71页 |
4.1 人工鱼群算法 | 第50-55页 |
4.1.1 人工鱼群算法相关概念 | 第50-52页 |
4.1.2 人工鱼群算法行为描述及基本流程 | 第52-54页 |
4.1.3 人工鱼群算法相关参数及性能分析 | 第54-55页 |
4.2 改进人工鱼群算法 | 第55-60页 |
4.2.1 基于反向学习的人工鱼群 | 第55-57页 |
4.2.2 自适应参数 | 第57-58页 |
4.2.3 基于惯性权重的自适应行为 | 第58-60页 |
4.3 改进人工鱼群算法的实验结果及分析 | 第60-70页 |
4.3.1 IAFSA收敛特性分析 | 第60-64页 |
4.3.2 基于栅格地图的路径规划 | 第64-70页 |
4.4 本章小结 | 第70-71页 |
第5章 移动服务机器人激光自主导航系统实现 | 第71-86页 |
5.1 自主导航系统软硬件平台 | 第71-73页 |
5.1.1 系统软件平台 | 第71-72页 |
5.1.2 系统硬件平台 | 第72-73页 |
5.2 基于ROS的移动服务机器人激光导航系统设计 | 第73-79页 |
5.2.1 自主导航系统设计 | 第73-76页 |
5.2.2 移动机器人坐标转换设计 | 第76-77页 |
5.2.3 传感器数据的处理 | 第77-79页 |
5.3 移动服务机器人自主导航实验结果及分析 | 第79-85页 |
5.3.1 人工搭建的实验环境 | 第79-82页 |
5.3.2 建筑物室内实验环境 | 第82-85页 |
5.4 本章小结 | 第85-86页 |
第6章 总结与展望 | 第86-87页 |
6.1 工作总结 | 第86页 |
6.2 工作展望 | 第86-87页 |
参考文献 | 第87-92页 |
致谢 | 第92-93页 |
攻读硕士学位期间从事的科研工作及取得的成果 | 第93页 |