| 摘要 | 第1-6页 |
| Abstract | 第6-7页 |
| 致谢 | 第7-13页 |
| 第一章 绪论 | 第13-21页 |
| ·自主移动机器人 | 第13页 |
| ·自主移动机器人研究现状与发展趋势 | 第13-16页 |
| ·自主移动机器人导航的关键技术 | 第16-19页 |
| ·导航控制的体系结构 | 第16-18页 |
| ·地图构建和定位 | 第18页 |
| ·路径规划 | 第18页 |
| ·运动控制 | 第18-19页 |
| ·多传感器数据融合 | 第19页 |
| ·本文的主要研究内容 | 第19-21页 |
| 第二章 AS－R 移动机器人及其传感器的分析 | 第21-34页 |
| ·能力风暴研究版移动机器人(AS-R)平台 | 第21-24页 |
| ·AS-R 机器人的主要特点 | 第21-22页 |
| ·AS-R 机器人硬件配置和软件特性 | 第22-24页 |
| ·AS-R 机器人传感器系统 | 第24-28页 |
| ·红外传感器 | 第24-25页 |
| ·声纳传感器 | 第25-26页 |
| ·云台摄像头 | 第26-27页 |
| ·光电编码器 | 第27页 |
| ·激光测距仪 | 第27-28页 |
| ·两种传感器模型的分析 | 第28-33页 |
| ·里程计的计算模型和误差分析 | 第29-32页 |
| ·激光测距仪的模型和误差分析 | 第32-33页 |
| ·小结 | 第33-34页 |
| 第三章 定位和地图构建中基于聚类的迭代双最近点算法研究 | 第34-47页 |
| ·移动机器人的定位和地图构建 | 第34-39页 |
| ·移动机器人的定位问题 | 第34-35页 |
| ·移动机器人的地图构建问题 | 第35-39页 |
| ·基于聚类的激光定位改进算法研究 | 第39-44页 |
| ·迭代最近点(ICP)算法 | 第39-40页 |
| ·ICP 算法的改进 | 第40-44页 |
| ·基于 IDCP BoC 的机器人地图构建和定位实验 | 第44-46页 |
| ·小结 | 第46-47页 |
| 第四章 移动机器人轨迹跟踪的迭代学习控制 | 第47-59页 |
| ·移动机器人轨迹跟踪问题 | 第47-49页 |
| ·移动机器人的运动控制 | 第47-48页 |
| ·机器人轨迹跟踪控制研究现状 | 第48-49页 |
| ·迭代学习控制方法 | 第49-53页 |
| ·迭代学习控制基本原理 | 第49-50页 |
| ·基本的迭代学习控制算法 | 第50-51页 |
| ·迭代学习控制主要分析方法 | 第51-52页 |
| ·迭代学习控制的关键技术 | 第52-53页 |
| ·迭代学习控制在轨迹跟踪中的应用实例 | 第53-58页 |
| ·移动机器人运动模型 | 第53-54页 |
| ·迭代学习控制系统设计 | 第54-56页 |
| ·仿真结果 | 第56-58页 |
| ·小结 | 第58-59页 |
| 第五章 总结和展望 | 第59-60页 |
| ·工作总结 | 第59页 |
| ·后续工作与展望 | 第59-60页 |
| 参考文献 | 第60-63页 |
| 攻读硕士学位期间发表的论文 | 第63-64页 |