| 摘要 | 第3-4页 |
| abstract | 第4-5页 |
| 第一章 绪论 | 第8-19页 |
| 1.1 课题背景及研究的目的和意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-15页 |
| 1.2.1 自主移动机器人的国外发展概况 | 第12-14页 |
| 1.2.2 自主移动机器人的国内发展概况 | 第14-15页 |
| 1.3 移动机器人SLAM技术概述 | 第15-17页 |
| 1.3.1 SLAM的技术基础 | 第15-16页 |
| 1.3.2 SLAM的实现方法 | 第16-17页 |
| 1.4 研究内容及结构安排 | 第17-19页 |
| 第二章 移动机器人的实验平台 | 第19-31页 |
| 2.1 机器人平台与所用传感器 | 第19-21页 |
| 2.2 ROS机器人操作系统 | 第21-24页 |
| 2.3 ROS下用激光测距仪实现Gmapping | 第24-30页 |
| 2.4 本章小结 | 第30-31页 |
| 第三章 SLAM关键技术与模型构建 | 第31-39页 |
| 3.1 SLAM关键技术概述 | 第31-35页 |
| 3.2 移动机器人系统模型的构建 | 第35-38页 |
| 3.2.1 坐标系定义 | 第35-36页 |
| 3.2.2 机器人运动模型 | 第36页 |
| 3.2.3 传感器观测模型 | 第36页 |
| 3.2.4 地标增广模型 | 第36-38页 |
| 3.3 本章小结 | 第38-39页 |
| 第四章 基于Rao-Blackwellized粒子滤波的SLAM方法研究 | 第39-52页 |
| 4.1 基本原理 | 第39-45页 |
| 4.1.1 基于概率地图的定位 | 第39-40页 |
| 4.1.2 系统状态模型 | 第40-41页 |
| 4.1.3 贝叶斯估计 | 第41-42页 |
| 4.1.4 蒙特卡洛方法 | 第42-43页 |
| 4.1.5 序贯重要性采样原理 | 第43-44页 |
| 4.1.6 重采样 | 第44-45页 |
| 4.2 Rao-Blackwellized粒子滤波SLAM算法 | 第45-51页 |
| 4.2.1 Rao-Blackwellized粒子滤波SLAM算法简介 | 第45页 |
| 4.2.2 算法实现步骤 | 第45-46页 |
| 4.2.3 算法Matlab仿真 | 第46-50页 |
| 4.2.4 ROS下粒子滤波定位过程 | 第50-51页 |
| 4.3 本章小结 | 第51-52页 |
| 第五章 激光测距仪与Kinect进行SLAM的对比 | 第52-72页 |
| 5.1 Kinect与Hokuyo的四种传感器组合 | 第52-61页 |
| 5.1.1 Kinect与Hokuyo激光测距仪的参数 | 第52-54页 |
| 5.1.2 单个Kinect和单个Hokuyo激光测距仪的Gmapping建图比较 | 第54-56页 |
| 5.1.3 两个Kinect与Kinect结合Hokuyo激光测距仪的实现途径 | 第56-60页 |
| 5.1.4 两个传感器结合进行SLAM的创新点与不足 | 第60-61页 |
| 5.2 SLAM实验 | 第61-70页 |
| 5.2.1 环境特征较少的电梯间 | 第62-63页 |
| 5.2.2 环境特征较多的电梯间 | 第63-64页 |
| 5.2.3 环境特征较多的长走廊加电梯间 | 第64-66页 |
| 5.2.4 实验结果分析 | 第66-70页 |
| 5.3 本章小结 | 第70-72页 |
| 第六章 总结与展望 | 第72-74页 |
| 6.1 总结 | 第72页 |
| 6.2 展望 | 第72-74页 |
| 参考文献 | 第74-78页 |
| 致谢 | 第78-79页 |
| 个人简历、在学期间的研究成果及发表的学术论文 | 第79页 |
