两轮自平衡机器人自主移动系统设计和应用
| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第1章 绪论 | 第8-16页 |
| 1.1 研究背景和意义 | 第8-9页 |
| 1.2 国内外研究概况 | 第9-14页 |
| 1.2.1 两轮自平衡机器人国内外研究现状 | 第9-11页 |
| 1.2.2 即时定位与地图构建技术 | 第11-12页 |
| 1.2.3 路径规划 | 第12-14页 |
| 1.2.4 微机电系统简介 | 第14页 |
| 1.3 本文研究内容与章节安排 | 第14-16页 |
| 第2章 两轮自平衡机器人自主移动系统设计 | 第16-25页 |
| 2.1 引言 | 第16页 |
| 2.2 系统总体结构设计 | 第16-17页 |
| 2.3 硬件系统设计 | 第17-21页 |
| 2.3.1 主控模块 | 第18-19页 |
| 2.3.2 自平衡模块 | 第19-20页 |
| 2.3.3 感知模块 | 第20-21页 |
| 2.4 软件系统设计 | 第21-24页 |
| 2.4.1 ROS操作系统 | 第21-23页 |
| 2.4.2 软件结构设计 | 第23-24页 |
| 2.5 本章小结 | 第24-25页 |
| 第3章 基于视觉和惯性定位的融合定位算法 | 第25-37页 |
| 3.1 引言 | 第25页 |
| 3.2 惯性定位算法 | 第25-28页 |
| 3.2.1 姿态解算 | 第25-27页 |
| 3.2.2 航位推算 | 第27-28页 |
| 3.3 视觉定位算法 | 第28-33页 |
| 3.4 基于RGB-D和惯性定位的融合定位 | 第33-36页 |
| 3.4.1 卡尔曼滤波简介 | 第34页 |
| 3.4.2 过程方程和量测方程设计 | 第34-36页 |
| 3.5 本章小结 | 第36-37页 |
| 第4章 基于八叉树模型的地图构建 | 第37-42页 |
| 4.1 引言 | 第37页 |
| 4.2 八叉树模型 | 第37-38页 |
| 4.3 八叉树地图更新 | 第38-39页 |
| 4.4 地图构建实验 | 第39-41页 |
| 4.5 本章小结 | 第41-42页 |
| 第5章 改进A*算法的两轮自平衡机器人路径规划 | 第42-55页 |
| 5.1 引言 | 第42页 |
| 5.2 环境建模 | 第42-44页 |
| 5.3 两轮自平衡机器人路径规划算法设计 | 第44-51页 |
| 5.3.1 A*算法分析 | 第44-45页 |
| 5.3.2 启发函数的设计 | 第45-47页 |
| 5.3.3 加权评价函数的设计 | 第47-48页 |
| 5.3.4 路径平滑处理 | 第48-49页 |
| 5.3.5 算法流程 | 第49-51页 |
| 5.4 仿真实验 | 第51-54页 |
| 5.5 本章小结 | 第54-55页 |
| 第6章 两轮自平衡机器人自主移动系统实验和分析 | 第55-62页 |
| 6.1 引言 | 第55页 |
| 6.2 两轮自平衡机器人定位实验和分析 | 第55-58页 |
| 6.3 两轮自平衡机器人路径规划实验和分析 | 第58-60页 |
| 6.4 本章小结 | 第60-62页 |
| 第7章 结论与展望 | 第62-64页 |
| 7.1 总结 | 第62页 |
| 7.2 展望 | 第62-64页 |
| 致谢 | 第64-65页 |
| 参考文献 | 第65-70页 |
| 附录1 攻读硕士学位期间发表的论文 | 第70-71页 |
| 附录2 攻读硕士学位期间参加的科研项目 | 第71-72页 |
| 详细摘要 | 第72-77页 |
