| 摘要 | 第3-5页 |
| abstract | 第5-6页 |
| 1 绪论 | 第10-20页 |
| 1.1 课题研究背景及意义 | 第10-11页 |
| 1.2 移动机器人国外内研究发展概况 | 第11-14页 |
| 1.2.1 国外研究发展概况 | 第11-13页 |
| 1.2.2 国内研究发展概况 | 第13-14页 |
| 1.3 同步定位与地图构建问题国外内研究概况 | 第14-16页 |
| 1.3.1 国外研究发展概况 | 第14-16页 |
| 1.3.2 国内研究发展概况 | 第16页 |
| 1.4 论文主要研究内容及章节安排 | 第16-20页 |
| 2 移动机器人系统构建 | 第20-30页 |
| 2.1 移动机器人系统模型 | 第20-24页 |
| 2.1.1 坐标系统模型 | 第20-21页 |
| 2.1.2 环境地图模型 | 第21页 |
| 2.1.3 履带式移动机器人运动模型 | 第21-23页 |
| 2.1.4 传感器观测模型 | 第23-24页 |
| 2.1.5 噪声模型 | 第24页 |
| 2.2 履带式移动机器人实验平台 | 第24-26页 |
| 2.3 机器人操作系统ROS | 第26-28页 |
| 2.3.1 ROS的基本介绍及应用 | 第26-27页 |
| 2.3.2 ROS系统平台搭建 | 第27-28页 |
| 2.4 本章小结 | 第28-30页 |
| 3 移动机器人SLAM算法研究 | 第30-44页 |
| 3.1 移动机器人SLAM问题及解决方法 | 第30-32页 |
| 3.1.1 移动机器人SLAM问题 | 第30-31页 |
| 3.1.2 SLAM问题的解决方法 | 第31-32页 |
| 3.2 基于扩展卡尔曼滤波的EKF-SLAM算法研究 | 第32-33页 |
| 3.2.1 基于扩展卡尔曼滤波的EKF-SLAM算法 | 第32-33页 |
| 3.2.2 EKF-SLAM算法的实现流程 | 第33页 |
| 3.3 基于粒子滤波的FastSLAM算法研究 | 第33-37页 |
| 3.3.1 基于粒子滤波的RBPF-SLAM算法 | 第34-35页 |
| 3.3.2 FastSLAM算法及实现流程 | 第35-37页 |
| 3.4 改进粒子滤波的RBPF-SLAM算法 | 第37-39页 |
| 3.4.1 改进提议分布 | 第37-39页 |
| 3.4.2 改进RBPF-SLAM算法流程 | 第39页 |
| 3.5 算法仿真与分析 | 第39-42页 |
| 3.6 本章小结 | 第42-44页 |
| 4 移动机器人地图构建特征提取与数据融合 | 第44-56页 |
| 4.1 双目视觉与激光雷达的特征提取 | 第44-49页 |
| 4.1.1 基于ORB的视觉特征提取与匹配 | 第44-47页 |
| 4.1.2 激光雷达数据处理 | 第47-49页 |
| 4.2 双目视觉与激光雷达的数据融合 | 第49-52页 |
| 4.2.1 数据关联 | 第49-50页 |
| 4.2.2 数据融合及步骤 | 第50-52页 |
| 4.3 融合数据的地图构建 | 第52-55页 |
| 4.3.1 局部地图转换坐标系 | 第53页 |
| 4.3.2 构建全局地图 | 第53-55页 |
| 4.4 本章小结 | 第55-56页 |
| 5 实验与分析 | 第56-70页 |
| 5.1 实验平台及环境 | 第56-57页 |
| 5.2 移动机器人地图构建实验 | 第57-63页 |
| 5.2.1 室内环境地图构建实验 | 第58-59页 |
| 5.2.2 室外环境地图构建实验 | 第59-61页 |
| 5.2.3 实验结果与分析 | 第61-63页 |
| 5.3 已知地图的路径规划实验 | 第63-68页 |
| 5.3.1 人工势场法 | 第63-64页 |
| 5.3.2 路径规划实验与分析 | 第64-68页 |
| 5.4 本章小结 | 第68-70页 |
| 6 总结与展望 | 第70-72页 |
| 6.1 全文总结 | 第70-71页 |
| 6.2 展望 | 第71-72页 |
| 参考文献 | 第72-78页 |
| 附录硕士研究生学习阶段科研成果 | 第78-80页 |
| 致谢 | 第80页 |