| 摘要 | 第6-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第13-19页 |
| 1.1 课题研究背景和意义 | 第13-14页 |
| 1.2 课题国内外研究现状 | 第14-16页 |
| 1.2.1 机电导盲设备研究现状 | 第14-15页 |
| 1.2.2 同步定位与构图研究现状 | 第15-16页 |
| 1.3 论文主要内容和结构 | 第16-19页 |
| 第2章 导盲机器人系统模型建立 | 第19-27页 |
| 2.1 坐标系统模型 | 第19页 |
| 2.2 导盲机器人运动学模型 | 第19-20页 |
| 2.3 里程计模型 | 第20-22页 |
| 2.4 激光雷达模型 | 第22-23页 |
| 2.4.1 激光雷达简介 | 第22-23页 |
| 2.4.2 激光雷达模型建立 | 第23页 |
| 2.5 Kinect相机模型 | 第23-25页 |
| 2.5.1 Kinect相机简介 | 第23-24页 |
| 2.5.2 Kinect相机模型建立 | 第24-25页 |
| 2.6 本章小结 | 第25-27页 |
| 第3章 SLAM的理论基础研究 | 第27-43页 |
| 3.1 SLAM问题的典型流程 | 第27-30页 |
| 3.1.1 传感器 | 第27-28页 |
| 3.1.2 数据关联 | 第28-29页 |
| 3.1.3 定位 | 第29页 |
| 3.1.4 构建地图 | 第29-30页 |
| 3.2 基于扩展卡尔曼滤波器的SLAM方法 | 第30-36页 |
| 3.2.1 扩展卡尔曼滤波(EKF)算法 | 第30-32页 |
| 3.2.2 EKF-SLAM算法实现步骤 | 第32-34页 |
| 3.2.3 EKF-SLAM仿真实验及分析 | 第34-36页 |
| 3.3 基于粒子滤波器的SLAM方法 | 第36-41页 |
| 3.3.1 粒子滤波(PF)算法 | 第36-38页 |
| 3.3.2 Gmapping算法实现步骤 | 第38-39页 |
| 3.3.3 Gmapping仿真实验及分析 | 第39-41页 |
| 3.4 本章小结 | 第41-43页 |
| 第4章 融合激光雷达和Kinect传感器信息的算法研究 | 第43-57页 |
| 4.1 多传感器信息融合技术 | 第43-50页 |
| 4.1.1 多传感器信息融合的核心内容 | 第43页 |
| 4.1.2 多传感器信息融合的拓扑结构 | 第43-44页 |
| 4.1.3 多传感器信息融合的层次 | 第44-46页 |
| 4.1.4 移动机器人领域中多传感器信息融合方法 | 第46-50页 |
| 4.2 本文融合激光雷达和Kinect信息的算法步骤 | 第50-55页 |
| 4.3 本章小结 | 第55-57页 |
| 第5章 基于ROS的导盲机器人构图与自主导航实验 | 第57-79页 |
| 5.1 路径规划与定位算法研究 | 第57-66页 |
| 5.1.1 全局路径规划 | 第57-60页 |
| 5.1.2 局部路径规划 | 第60-62页 |
| 5.1.3 AMCL定位 | 第62-63页 |
| 5.1.4 路径规划与定位仿真实验及分析 | 第63-66页 |
| 5.2 实验平台的软硬件系统 | 第66-69页 |
| 5.2.1 软件系统ROS概述 | 第66-68页 |
| 5.2.2 实验平台的搭建 | 第68-69页 |
| 5.3 实验结果及分析 | 第69-78页 |
| 5.3.1 Kinect和激光传感器构图对比实验 | 第69-70页 |
| 5.3.2 三种方法构图对比实验 | 第70-73页 |
| 5.3.3 全局路径规划对比实验 | 第73-76页 |
| 5.3.4 实时避障实验 | 第76-78页 |
| 5.4 本章小结 | 第78-79页 |
| 总结与展望 | 第79-81页 |
| 总结 | 第79-80页 |
| 展望 | 第80-81页 |
| 参考文献 | 第81-85页 |
| 攻读硕士学位期间取得的研究成果 | 第85-87页 |
| 致谢 | 第87页 |