| 摘要 | 第8-9页 |
| ABSTRACT | 第9页 |
| 第一章 绪论 | 第10-15页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.2.1 室内环境下的地图构建研究现状 | 第11-12页 |
| 1.2.2 AGV室内定位问题研究现状 | 第12-13页 |
| 1.3 本文研究方法与拟解决的问题 | 第13页 |
| 1.4 论文主要研究内容 | 第13-15页 |
| 第二章 激光室内雷达传感器信息处理概述 | 第15-25页 |
| 2.1 激光雷达传感器 | 第15-19页 |
| 2.1.1 工作原理 | 第15-16页 |
| 2.1.2 本文选用的激光雷达参数 | 第16-19页 |
| 2.2 激光雷达传感器数据提取 | 第19-21页 |
| 2.2.1 激光雷达原始数据分析 | 第19-20页 |
| 2.2.2 基于激光雷达数据特点的地图描述方法研究 | 第20-21页 |
| 2.3 AGV平台及运动模型构建 | 第21-24页 |
| 2.4 本章小结 | 第24-25页 |
| 第三章 AGV同步地图创建方法研究 | 第25-36页 |
| 3.1 区域分割方法 | 第25-26页 |
| 3.2 环境特征提取方法 | 第26-28页 |
| 3.2.1 角点和直线特征提取 | 第26-27页 |
| 3.2.2 区域分割端点提取 | 第27-28页 |
| 3.3 环境特征匹配算法 | 第28-31页 |
| 3.3.1 直线段特征匹配度描述方法 | 第28-30页 |
| 3.3.2 区域分割端点特征匹配度描述方法 | 第30-31页 |
| 3.4 仿真实验 | 第31-35页 |
| 3.5 本章小结 | 第35-36页 |
| 第四章 基于改进粒子滤波算法的AGV室内定位方法研究 | 第36-56页 |
| 4.1 SLAM概率模型与贝叶斯估计简介 | 第36-38页 |
| 4.2 粒子滤波器的推导 | 第38-40页 |
| 4.2.1 蒙特卡洛方法 | 第38-39页 |
| 4.2.2 重要性采样 | 第39-40页 |
| 4.3 室内结构化环境下粒子滤波方法的选择 | 第40-45页 |
| 4.3.1 SIS算法 | 第40-42页 |
| 4.3.2 SIR算法 | 第42页 |
| 4.3.3 规则化粒子滤波器 | 第42-43页 |
| 4.3.4 改进不完全重采样粒子滤波器 | 第43-45页 |
| 4.4 仿真实验及结果分析 | 第45-55页 |
| 4.4.1 SIS滤波器与SIR滤波器对照 | 第45-51页 |
| 4.4.2 SIR滤波器与规则化粒子滤波器对照 | 第51-54页 |
| 4.4.3 规则化粒子滤波器与改进不完全重采样粒子滤波器对比 | 第54-55页 |
| 4.5 本章小结 | 第55-56页 |
| 第五章 实验 | 第56-66页 |
| 5.1 激光雷达AGV实验平台 | 第56-63页 |
| 5.1.1 AGV实验平台硬件系统结构介绍 | 第56-58页 |
| 5.1.2 AGV实验平台软件系统环境搭建 | 第58-63页 |
| 5.2 SLAM实验 | 第63-66页 |
| 第六章 总结与展望 | 第66-68页 |
| 6.1 本文主要工作 | 第66-67页 |
| 6.2 进一步展望 | 第67-68页 |
| 参考文献 | 第68-74页 |
| 致谢 | 第74-75页 |
| 学位论文评阅及答辩情况表 | 第75页 |
