| 摘要 | 第3-4页 |
| abstract | 第4-5页 |
| 第一章 绪论 | 第8-15页 |
| 1.1 课题研究背景与意义 | 第8-9页 |
| 1.1.1 多传感器融合SLAM算法的研究背景 | 第8-9页 |
| 1.1.2 课题的研究目的与意义 | 第9页 |
| 1.2 室内自主机器人建图定位算法的研究现状 | 第9-12页 |
| 1.2.1 视觉SLAM技术的研究现状 | 第9-11页 |
| 1.2.2 激光SLAM技术的研究现状 | 第11-12页 |
| 1.3 课题研究内容与章节安排 | 第12-15页 |
| 1.3.1 论文主要研究内容 | 第12-13页 |
| 1.3.2 论文章节安排 | 第13-15页 |
| 第二章 轮式机器人运动和感知系统的建立 | 第15-26页 |
| 2.1 轮式机器人刚体转换 | 第15-17页 |
| 2.1.1 坐标系规范 | 第15页 |
| 2.1.2 坐标系转换 | 第15-16页 |
| 2.1.3 坐标系运算 | 第16-17页 |
| 2.2 轮式机器人运动模型的建立 | 第17-22页 |
| 2.2.1 轮式机器人运动积分的不确定性 | 第17-18页 |
| 2.2.2 轮式机器人匀速运动模型及加速运动模型 | 第18-19页 |
| 2.2.3 双轮差分驱动模型 | 第19-21页 |
| 2.2.4 轮式机器人里程计模型 | 第21-22页 |
| 2.2.5 IMU驱动模型 | 第22页 |
| 2.3 轮式机器人观测模型的建立 | 第22-26页 |
| 2.3.1 机器人环境感知建模 | 第22-23页 |
| 2.3.2 2D激光雷达测量模型及数据处理 | 第23-26页 |
| 第三章 轮式机器人SLAM算法图模型的建立 | 第26-36页 |
| 3.1 轮式机器人SLAM问题描述和图模型的建立 | 第26-31页 |
| 3.1.1 利用动态贝叶斯网络描述轮式机器人SLAM问题 | 第26-28页 |
| 3.1.2 利用因子图将SLAM问题转换为最小二乘问题 | 第28-31页 |
| 3.2 非线性优化算法求解SLAM问题 | 第31-36页 |
| 3.2.1 利用高斯-牛顿方法求解轮式机器人SLAM问题 | 第32-33页 |
| 3.2.2 使用LM方法提高算法收敛性 | 第33-36页 |
| 第四章 多传感融合SLAM算法的设计 | 第36-46页 |
| 4.1 多传感融合建图定位算法 | 第36-38页 |
| 4.1.1 利用扩展卡尔曼滤波器提供初始位姿 | 第36-38页 |
| 4.2 前端扫描匹配构建地图 | 第38-40页 |
| 4.2.1 扫描匹配算法 | 第38-39页 |
| 4.2.2 利用相关性扫描匹配方法构建子图 | 第39-40页 |
| 4.3 后端优化消除累计误差 | 第40-44页 |
| 4.3.1 多分辨率闭环检测与添加约束条件 | 第40-43页 |
| 4.3.2 后端优化求解并调整地图位姿 | 第43-44页 |
| 4.4 轮式机器人SLAM中的全局定位 | 第44-46页 |
| 第五章 轮式机器人平台搭建和实验研究 | 第46-55页 |
| 5.1 引言 | 第46页 |
| 5.2 实验平台搭建 | 第46-48页 |
| 5.2.1 硬件平台搭建 | 第46-47页 |
| 5.2.2 上位机平台搭建 | 第47-48页 |
| 5.3 轮式机器人实际测试 | 第48-54页 |
| 5.3.1 室内闭环建图实验 | 第48-53页 |
| 5.3.2 室内全局定位实验 | 第53-54页 |
| 5.4 数据分析和性能分析 | 第54-55页 |
| 第六章 结论与展望 | 第55-56页 |
| 6.1 结论 | 第55页 |
| 6.2 展望 | 第55-56页 |
| 参考文献 | 第56-59页 |
| 作者在读期间科研成果简介 | 第59-60页 |
| 致谢 | 第60页 |
