| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第10-17页 |
| 1.1 课题研究背景及意义 | 第10-11页 |
| 1.2 移动机器人研究现状 | 第11-13页 |
| 1.2.1 国外移动机器人研究概况 | 第11-12页 |
| 1.2.2 国内移动机器人研究概况 | 第12-13页 |
| 1.3 机器人地图创建技术的研究发展情况 | 第13-15页 |
| 1.3.1 SLAM的应用领域 | 第13-14页 |
| 1.3.2 SLAM问题的研究现状 | 第14-15页 |
| 1.3.3 SLAM技术的发展展望 | 第15页 |
| 1.4 论文的主要工作与结构 | 第15-17页 |
| 2 移动机器人室内地图创建的基础理论 | 第17-28页 |
| 2.1 移动机器人中的贝叶斯估计理论 | 第17-20页 |
| 2.1.1 状态空间模型 | 第17页 |
| 2.1.2 递推贝叶斯估计 | 第17-20页 |
| 2.2 基于粒子滤波的定位方法 | 第20-24页 |
| 2.2.1 重要性采样 | 第20-21页 |
| 2.2.2 序贯重要性采样 | 第21-22页 |
| 2.2.3 重要性重采样 | 第22-23页 |
| 2.2.4 粒子滤波算法 | 第23-24页 |
| 2.3 移动机器人的概率模型 | 第24-27页 |
| 2.3.1 基于里程计信息的概率运动模型 | 第24-25页 |
| 2.3.2 基于似然域的概率感知模型 | 第25-27页 |
| 2.4 本章小结 | 第27-28页 |
| 3 地图创建系统中的数据融合方法研究 | 第28-38页 |
| 3.1 移动机器人位姿获取 | 第28-30页 |
| 3.2 Kalman滤波原理 | 第30-32页 |
| 3.3 Extended kalman Filter融合算法 | 第32-33页 |
| 3.4 系统方程分析与实现 | 第33-36页 |
| 3.4.1 系统状态方程分析及实现 | 第33-34页 |
| 3.4.2 系统观测方程分析及实现 | 第34-36页 |
| 3.5 实验验证与分析 | 第36-37页 |
| 3.6 本章小结 | 第37-38页 |
| 4 地图创建方法研究 | 第38-67页 |
| 4.1 SLAM的主要研究方法 | 第38页 |
| 4.2 基于EKF的SLAM方法 | 第38-43页 |
| 4.3 基于粒子滤波的Fast SLAM方法 | 第43-50页 |
| 4.3.1 基于路标的Fast SLAM方法 | 第43-47页 |
| 4.3.2 基于栅格的Fast SLAM方法 | 第47-50页 |
| 4.4 改进的基于栅格的Fast SLAM算法 | 第50-55页 |
| 4.4.1 改进的机器人定位算法 | 第50-54页 |
| 4.4.2 改进的栅格地图创建算法 | 第54-55页 |
| 4.5 仿真实验设计与分析 | 第55-66页 |
| 4.5.1 基于路标特征的SLAM仿真实验分析 | 第55-59页 |
| 4.5.2 基于栅格地图的SLAM仿真算法分析 | 第59-66页 |
| 4.6 本章小结 | 第66-67页 |
| 5 地图创建系统实现 | 第67-93页 |
| 5.1 机器人实验平台搭建 | 第67-73页 |
| 5.1.1 机器人软件系统设计 | 第67-68页 |
| 5.1.2 机器人硬件平台设计 | 第68-73页 |
| 5.2 基于ROS的机器人运动控制设计与实现 | 第73-77页 |
| 5.2.1 机器人模型建立与导入 | 第73-75页 |
| 5.2.2 机器人运动驱动设计 | 第75-76页 |
| 5.2.3 机器人运动校准 | 第76-77页 |
| 5.3 传感器数据融合功能实现 | 第77-79页 |
| 5.4 室内地图创建功能实现 | 第79-92页 |
| 5.5 本章小结 | 第92-93页 |
| 结论 | 第93-95页 |
| 致谢 | 第95-96页 |
| 参考文献 | 第96-100页 |
| 攻读硕士学位期间发表的学术论文及研究成果 | 第100页 |