| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第8-14页 |
| 1.1 课题背景及研究的目的和意义 | 第8-9页 |
| 1.2 SLAM及其相关理论的研究综述 | 第9-12页 |
| 1.2.1 国内外研究现状 | 第9-11页 |
| 1.2.2 国内外研究成果分析 | 第11-12页 |
| 1.3 本文的主要研究内容 | 第12-14页 |
| 第2章 系统模型分析与环境地图构建 | 第14-27页 |
| 2.1 引言 | 第14页 |
| 2.2 移动机器人系统建模 | 第14-21页 |
| 2.2.1 机器人坐标系 | 第14-15页 |
| 2.2.2 机器人里程计运动模型 | 第15-18页 |
| 2.2.3 激光雷达模型建立及数据处理 | 第18-21页 |
| 2.3 环境地图的构建 | 第21-26页 |
| 2.3.1 地图的表达模型 | 第21-22页 |
| 2.3.2 栅格地图的构建算法 | 第22-26页 |
| 2.4 本章小结 | 第26-27页 |
| 第3章 基于粒子滤波的定位算法研究 | 第27-40页 |
| 3.1 引言 | 第27-28页 |
| 3.2 粒子滤波器原理 | 第28-34页 |
| 3.2.1 贝叶斯滤波理论 | 第28-29页 |
| 3.2.2 重要性采样理论 | 第29-32页 |
| 3.2.3 粒子滤波器的基本算法 | 第32-34页 |
| 3.3 基于分层重采样的粒子滤波定位算法 | 第34-39页 |
| 3.4 本章小结 | 第39-40页 |
| 第4章 基于粒子滤波的SLAM算法研究 | 第40-51页 |
| 4.1 引言 | 第40页 |
| 4.2 基于RBPF的SLAM算法 | 第40-43页 |
| 4.2.1 常规RBPF-SLAM算法流程 | 第40-42页 |
| 4.2.2 基于似然场模型的扫描匹配算法 | 第42-43页 |
| 4.3 RBPF-SLAM算法的改进 | 第43-46页 |
| 4.3.1 融合了观测信息的混合提议分布 | 第43-45页 |
| 4.3.2 基于分层重采样的改进RBPF-SLAM算法 | 第45-46页 |
| 4.4 仿真实验 | 第46-50页 |
| 4.5 本章小结 | 第50-51页 |
| 第5章 真实环境中实验 | 第51-63页 |
| 5.1 引言 | 第51页 |
| 5.2 机器人实验系统介绍 | 第51-55页 |
| 5.2.1 机器人实验平台 | 第51-53页 |
| 5.2.2 机器人操作系统(ROS) | 第53-55页 |
| 5.3 基于PC的室内SLAM实验 | 第55-59页 |
| 5.3.1 基于原始Gmapping算法的SLAM实验 | 第56-57页 |
| 5.3.2 基于改进Gmapping算法的SLAM实验 | 第57-59页 |
| 5.4 用嵌入式设备结合AGV样机的SLAM实验 | 第59-62页 |
| 5.5 本章小结 | 第62-63页 |
| 结论 | 第63-65页 |
| 参考文献 | 第65-69页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第69-71页 |
| 致谢 | 第71页 |
