| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第1章 绪论 | 第9-16页 |
| 1.1 课题研究背景及意义 | 第9-10页 |
| 1.2 自主移动机器人研究现状 | 第10-13页 |
| 1.2.1 国内外自主移动机器人研究现状 | 第10-12页 |
| 1.2.2 基于ROS的自主移动机器人研究现状 | 第12-13页 |
| 1.3 移动机器人自主导航技术发展趋势 | 第13-14页 |
| 1.4 本文的研究目标及章节内容 | 第14-16页 |
| 1.4.1 研究目标及实现方法 | 第14-15页 |
| 1.4.2 章节内容 | 第15-16页 |
| 第2章 机器人系统框架设计与移动平台开发 | 第16-30页 |
| 2.1 ROS自主导航框架 | 第16-19页 |
| 2.1.1 ROS的设计目标及特点 | 第16-17页 |
| 2.1.2 ROS自主导航系统架构 | 第17-19页 |
| 2.2 信息采集模块传感器选型 | 第19-25页 |
| 2.2.1 光电编码器 | 第19-21页 |
| 2.2.2 惯性测量单元 | 第21-22页 |
| 2.2.3 激光雷达传感器 | 第22-23页 |
| 2.2.4 传感器误差实验分析 | 第23-25页 |
| 2.3 移动机器人运动模型分析 | 第25-28页 |
| 2.4 移动机器人运动平台集成 | 第28-29页 |
| 2.5 本章小结 | 第29-30页 |
| 第3章 移动机器人的SLAM问题研究 | 第30-44页 |
| 3.1 SLAM基础理论 | 第30-32页 |
| 3.1.1 SLAM数学描述 | 第30-31页 |
| 3.1.2 环境模型描述 | 第31-32页 |
| 3.2 内部传感器数据融合 | 第32-36页 |
| 3.2.1 扩展卡尔曼滤波原理 | 第32-35页 |
| 3.2.2 EKF 融合里程计和 IMU 数据 | 第35-36页 |
| 3.3 基于栅格模型的 RBPF-SLAM 算法研究 | 第36-43页 |
| 3.3.1 RBPF-SLAM 算法 | 第36-38页 |
| 3.3.2 RBPF-SLAM 位姿估计 | 第38-41页 |
| 3.3.3 RBPF-SLAM 栅格地图构建 | 第41-43页 |
| 3.4 本章小结 | 第43-44页 |
| 第4章 移动机器人路径规划算法实现 | 第44-62页 |
| 4.1 全局路径规划 | 第44-54页 |
| 4.1.1 RRT*算法原理 | 第46-48页 |
| 4.1.2 改进RRT*算法研究 | 第48-49页 |
| 4.1.3 路径平滑策略 | 第49-51页 |
| 4.1.4 全局路径规划实验仿真 | 第51-54页 |
| 4.2 局部路径规划 | 第54-60页 |
| 4.2.1 DWA速度采样 | 第55-56页 |
| 4.2.2 DWA轨迹评价 | 第56-57页 |
| 4.2.3 DWA评价函数实验分析 | 第57-60页 |
| 4.3 混合路径规划算法实验 | 第60-61页 |
| 4.4 本章小结 | 第61-62页 |
| 第5章 基于ROS的自主导航实验 | 第62-75页 |
| 5.1 ROS导航软件具体设计 | 第62-63页 |
| 5.2 传感器节点调试 | 第63-67页 |
| 5.2.1 激光雷达节点(rplidarNode) | 第63-64页 |
| 5.2.2 里程计节点(odometryNode) | 第64-67页 |
| 5.3 构建地图实验分析 | 第67-70页 |
| 5.4 路径规划实验分析 | 第70-74页 |
| 5.5 本章小结 | 第74-75页 |
| 第6章 总结与展望 | 第75-77页 |
| 6.1 工作总结 | 第75页 |
| 6.2 未来展望 | 第75-77页 |
| 致谢 | 第77-78页 |
| 参考文献 | 第78-82页 |
| 攻读硕士学位期间发表的论文 | 第82页 |
