基于多传感器的同时定位与地图构建
| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第1章 绪论 | 第8-16页 |
| 1.1 课题的来源及研究的目的和意义 | 第8-9页 |
| 1.2 移动机器人和SLAM的研究现状及发展趋势 | 第9-14页 |
| 1.2.1 国内外研究现状 | 第9-10页 |
| 1.2.2 移动机器人的研究内容及发展趋势 | 第10-12页 |
| 1.2.3 SLAM的研究内容及发展趋势 | 第12-14页 |
| 1.3 主要的研究内容和章节安排 | 第14-16页 |
| 第2章 移动机器人硬件平台及传感器模型设计 | 第16-32页 |
| 2.1 引言 | 第16页 |
| 2.2 移动机器人硬件平台设计 | 第16-17页 |
| 2.3 移动机器人运动学分析 | 第17-20页 |
| 2.3.1 机器人运动学建模 | 第17-19页 |
| 2.3.2 坐标变换 | 第19-20页 |
| 2.4 传感器模型 | 第20-30页 |
| 2.4.1 里程计模型 | 第20-22页 |
| 2.4.2 陀螺仪模型 | 第22-23页 |
| 2.4.3 蓝牙测距模型 | 第23-26页 |
| 2.4.4 激光传感器模型 | 第26-30页 |
| 2.5 本章小结 | 第30-32页 |
| 第3章 环境地图模型构建及扩展卡尔曼滤波定位 | 第32-49页 |
| 3.1 引言 | 第32页 |
| 3.2 环境地图表示方法 | 第32-36页 |
| 3.2.1 栅格地图 | 第32-33页 |
| 3.2.2 几何地图 | 第33-34页 |
| 3.2.3 拓扑地图 | 第34-35页 |
| 3.2.4 地图表示方法的比较和选择 | 第35-36页 |
| 3.3 扩展卡尔曼滤波原理 | 第36-42页 |
| 3.3.1 卡尔曼滤波模型 | 第36-38页 |
| 3.3.2 扩展卡尔曼滤波模型 | 第38-42页 |
| 3.4 栅格地图模型创建 | 第42-44页 |
| 3.5 扩展卡尔曼滤波定位实验结果及分析 | 第44-48页 |
| 3.6 本章小结 | 第48-49页 |
| 第4章 基于激光传感器的栅格地图创建 | 第49-57页 |
| 4.1 引言 | 第49页 |
| 4.2 栅格地图创建 | 第49-53页 |
| 4.2.1 障碍物的检测 | 第49页 |
| 4.2.2 原始障碍物数据点的滤波 | 第49-51页 |
| 4.2.3 障碍物栅格的膨胀处理 | 第51-53页 |
| 4.3 实验结果及分析 | 第53-56页 |
| 4.4 本章小结 | 第56-57页 |
| 结论 | 第57-59页 |
| 参考文献 | 第59-65页 |
| 致谢 | 第65页 |
