| 摘要 | 第3-4页 |
| abstract | 第4页 |
| 第1章 绪论 | 第9-17页 |
| 1.1 课题研究的背景及意义 | 第9-10页 |
| 1.2 工业AGV的导航技术 | 第10-12页 |
| 1.3 国内外AGV技术研究的概况 | 第12-14页 |
| 1.3.1 国外AGV技术研究现状 | 第12-13页 |
| 1.3.2 国内AGV技术研究现状 | 第13-14页 |
| 1.4 本文主要内容与结构安排 | 第14-17页 |
| 第2章 麦克纳姆轮移动平台的搭建 | 第17-35页 |
| 2.1 移动平台系统组成 | 第17-21页 |
| 2.1.1 电气连接 | 第18-19页 |
| 2.1.2 激光雷达 | 第19-20页 |
| 2.1.3 障碍物检测传感器 | 第20-21页 |
| 2.2 伺服电机驱动系统 | 第21-26页 |
| 2.2.1 伺服电机 | 第21-22页 |
| 2.2.2 伺服电机系统选型 | 第22页 |
| 2.2.3 伺服驱动器接口配置 | 第22-26页 |
| 2.3 基于STM32的驱动控制硬件设计 | 第26-30页 |
| 2.3.1 基于STM32的接口电路设计 | 第27-29页 |
| 2.3.2 基于STM32实现伺服电机的控制 | 第29-30页 |
| 2.4 移动平台全向运动控制 | 第30-33页 |
| 2.4.1 麦克纳姆轮运动学分析 | 第30-32页 |
| 2.4.2 全向运动主控制程序设计 | 第32-33页 |
| 2.5 本章小结 | 第33-35页 |
| 第3章 SLAM算法关键问题研究 | 第35-45页 |
| 3.1 SLAM问题的概率模型 | 第36-37页 |
| 3.2 运动模型 | 第37-39页 |
| 3.3 测量模型 | 第39-41页 |
| 3.4 环境地图表示方法 | 第41-43页 |
| 3.5 本章小结 | 第43-45页 |
| 第4章 基于粒子滤波理论的SLAM算法 | 第45-57页 |
| 4.1 粒子滤波理论 | 第45-50页 |
| 4.1.1 贝叶斯滤波 | 第45-46页 |
| 4.1.2 重要性采样 | 第46-47页 |
| 4.1.3 序贯重要性采样方法 | 第47页 |
| 4.1.4 重要性概率密度函数和重采样方法 | 第47-49页 |
| 4.1.5 基于粒子滤波的机器人定位 | 第49-50页 |
| 4.2 优化提议分布的RBPF-SLAM算法 | 第50-53页 |
| 4.2.1 传统RBPF-SLAM算法 | 第50-51页 |
| 4.2.2 优化提议分布 | 第51-52页 |
| 4.2.3 自适应重采样 | 第52-53页 |
| 4.3 优化提议分布RBPF-SLAM算法仿真分析 | 第53-55页 |
| 4.4 本章小结 | 第55-57页 |
| 第5章 麦克纳姆轮移动平台SLAM实验 | 第57-65页 |
| 5.1 基于QT的上位机设计 | 第57-61页 |
| 5.1.1 Qt介绍 | 第57页 |
| 5.1.2 上位机界面和功能 | 第57-59页 |
| 5.1.3 上位机与移动平台无线通信实现 | 第59-61页 |
| 5.2 麦克纳姆轮移动平台导航实验 | 第61-64页 |
| 5.2.1 基于改进RBPF-SLAM算法的环境地图构建 | 第61-62页 |
| 5.2.2 麦克纳姆轮移动平台的导航实验 | 第62-64页 |
| 5.3 本章小结 | 第64-65页 |
| 第6章 总结与展望 | 第65-67页 |
| 6.1 总结 | 第65页 |
| 6.2 展望 | 第65-67页 |
| 参考文献 | 第67-71页 |
| 发表论文和参加科研情况说明 | 第71-73页 |
| 致谢 | 第73页 |