| 摘要 | 第10-11页 |
| ABSTRACT | 第11-12页 |
| 第一章 绪论 | 第13-22页 |
| 1.1 课题研究的背景和意义 | 第13-15页 |
| 1.2 国内外研究现状 | 第15-20页 |
| 1.2.1 国外研究现状 | 第15-17页 |
| 1.2.2 国内研究现状 | 第17-20页 |
| 1.3 本文研究的内容 | 第20-21页 |
| 1.4 本章小结 | 第21-22页 |
| 第二章 移动机器人SLAM技术简介 | 第22-31页 |
| 2.1 SLAM概述 | 第22-25页 |
| 2.2 SLAM分类 | 第25页 |
| 2.3 SLAM研究方法 | 第25-29页 |
| 2.3.1 基于概率理论的SLAM | 第26-27页 |
| 2.3.2 基于粒子滤波的SLAM | 第27-29页 |
| 2.3.3 基于估计理论和图优化理论的SLAM | 第29页 |
| 2.4 本章小结 | 第29-31页 |
| 第三章 基于EKF移动机器人定位算法实现 | 第31-48页 |
| 3.1 概述 | 第31页 |
| 3.2 低成本传感器与硬件平台介绍 | 第31-34页 |
| 3.2.1 角速度换算 | 第32-33页 |
| 3.2.2 零点漂移 | 第33-34页 |
| 3.3 定位算法实现 | 第34-40页 |
| 3.3.1 EKF简介 | 第34页 |
| 3.3.2 移动机器人EKF定位算法原理 | 第34-37页 |
| 3.3.3 移动机器人运动学模型 | 第37页 |
| 3.3.4 里程计模型 | 第37-40页 |
| 3.4 EKF算法编程实现 | 第40-42页 |
| 3.5 仿真与实验 | 第42-47页 |
| 3.5.1 仿真实验 | 第42-44页 |
| 3.5.2 实际数据实验 | 第44-47页 |
| 3.6 本章总结 | 第47-48页 |
| 第四章 低成本激光传感器ICP-SLAM研究与实现 | 第48-57页 |
| 4.1 硬件平台介绍 | 第48-49页 |
| 4.2 ICP算法简介 | 第49-51页 |
| 4.2.1 ICP算法原理 | 第50-51页 |
| 4.2.2 经典的ICP算法局限性 | 第51页 |
| 4.3 改进的ICP算法PLICP (point-to-line/plane) | 第51页 |
| 4.4 ICP-SLAM算法实现 | 第51-52页 |
| 4.5 仿真与实验 | 第52-56页 |
| 4.5.1 仿真实验 | 第52-54页 |
| 4.5.2 真实场景实验 | 第54-56页 |
| 4.6 本章小结 | 第56-57页 |
| 第五章 基于EKF与ICP相结合的SLAM研究与实现 | 第57-76页 |
| 5.1 数据融合简介 | 第57-59页 |
| 5.2 模糊理论基础 | 第59-63页 |
| 5.2.1 确定隶属度函数的基本方法 | 第62页 |
| 5.2.2 模糊集的运算 | 第62-63页 |
| 5.3 DS evidence理论基础 | 第63-65页 |
| 5.4 基于模糊理论置信度的二次数据融合 | 第65-70页 |
| 5.4.1 常用置信度函数 | 第66-68页 |
| 5.4.2 置信度函数的建立 | 第68-70页 |
| 5.5 数据融合的步骤 | 第70-71页 |
| 5.6 实验分析 | 第71-75页 |
| 5.7 本章小结 | 第75-76页 |
| 第六章 总结与展望 | 第76-79页 |
| 6.1 总结 | 第76页 |
| 6.2 展望 | 第76-79页 |
| 参考文献 | 第79-85页 |
| 致谢 | 第85-87页 |
| 攻读硕士期间发表的学术论文 | 第87页 |
| 硕士期间参加的项目 | 第87-88页 |
| 附件 | 第88页 |
