清洁机器人全覆盖导航技术研究
| 摘要 | 第8-10页 |
| ABSTRACT | 第10-11页 |
| 第一章 绪论 | 第12-18页 |
| 1.1 课题的背景与研究意义 | 第12-13页 |
| 1.2 全覆盖导航技术研究现状 | 第13-15页 |
| 1.2.1 定位技术 | 第13-14页 |
| 1.2.2 全覆盖路径规划技术 | 第14-15页 |
| 1.3 本文主要研究内容及创新点 | 第15-16页 |
| 1.3.1 本文主要研究内容 | 第15-16页 |
| 1.3.2 本文创新点 | 第16页 |
| 1.4 论文的章节安排 | 第16-18页 |
| 第二章 清洁机器人的双精度环境模型与定位 | 第18-28页 |
| 2.1 基于栅格法的环境描述 | 第18-20页 |
| 2.1.1 栅格地图的精度 | 第18-19页 |
| 2.1.2 栅格覆盖状态的标记 | 第19-20页 |
| 2.2 基于自适应蒙特卡罗算法的机器人定位 | 第20-23页 |
| 2.2.1 基于粒子聚类的蒙特卡罗原理 | 第20-21页 |
| 2.2.2 自适应蒙特卡罗算法 | 第21-23页 |
| 2.3 定位实验及分析 | 第23-26页 |
| 2.3.1 全局定位实验 | 第23-25页 |
| 2.3.2 运动中的误差测量实验 | 第25-26页 |
| 2.4 本章小结 | 第26-28页 |
| 第三章 清洁机器人避障系统的设计 | 第28-40页 |
| 3.1 基于滚动视窗的障碍物检测与分类 | 第28-31页 |
| 3.1.1 RPLIDAR激光传感器的观测模型 | 第28-29页 |
| 3.1.2 滚动视窗的建立与障碍物检测 | 第29-30页 |
| 3.1.3 障碍物的分类 | 第30-31页 |
| 3.2 小型障碍物绕边避障策略 | 第31-34页 |
| 3.2.1 小型障碍物避障原理 | 第31-33页 |
| 3.2.2 小型障碍物避障实验 | 第33-34页 |
| 3.3 区域边界型障碍物的模糊避障 | 第34-37页 |
| 3.4 本章小结 | 第37-40页 |
| 第四章 清洁机器人高效全覆盖路径规划 | 第40-58页 |
| 4.1 全覆盖算法基础 | 第40-44页 |
| 4.1.1 基于神经网络的覆盖算法 | 第40-41页 |
| 4.1.2 基于生成树的覆盖算法 | 第41-42页 |
| 4.1.3 单元分解法 | 第42-44页 |
| 4.2 基于片分解的区域划分 | 第44-47页 |
| 4.2.1 子区域边界的确定 | 第44-45页 |
| 4.2.2 子区域划分算法 | 第45-47页 |
| 4.3 子区域内的路径规划 | 第47-49页 |
| 4.4 子区域间的路径衔接 | 第49-52页 |
| 4.5 仿真实验及结果分析 | 第52-56页 |
| 4.5.1 算法仿真实验 | 第52-53页 |
| 4.5.2 算法对比实验 | 第53-56页 |
| 4.6 本章小结 | 第56-58页 |
| 第五章 软硬件平台的设计与实验 | 第58-66页 |
| 5.1 实验平台搭建 | 第58-59页 |
| 5.2 软件系统设计与介绍 | 第59-63页 |
| 5.2.1 ROS系统简介 | 第59-61页 |
| 5.2.2 软件系统设计 | 第61-63页 |
| 5.3 实验结果及讨论 | 第63-65页 |
| 5.4 本章小结 | 第65-66页 |
| 第六章 工作总结与展望 | 第66-68页 |
| 6.1 论文的主要研究内容 | 第66-67页 |
| 6.2 进一步研究方向 | 第67-68页 |
| 参考文献 | 第68-74页 |
| 致谢 | 第74-76页 |
| 硕士期间参加的科研工作 | 第76-77页 |
| 附件 | 第77页 |
