| 摘要 | 第3-4页 |
| ABSTRACT | 第4页 |
| 第一章 绪论 | 第7-15页 |
| 1.1 AGV概述 | 第7页 |
| 1.2 AGV的国内外研发状况 | 第7-13页 |
| 1.2.1 AGV发展历史 | 第7-8页 |
| 1.2.2 研究状况 | 第8-10页 |
| 1.2.3 AGV的主要导航方法 | 第10-13页 |
| 1.3 AGV自主导航解决方案 | 第13-14页 |
| 1.4 文章结构安排 | 第14-15页 |
| 第二章 AGV同时定位与建图(SLAM)方法 | 第15-23页 |
| 2.1 SLAM发展历程 | 第15-17页 |
| 2.2 SLAM发展现状 | 第17-19页 |
| 2.2.1 基于卡尔曼滤波(KF)的SLAM | 第17页 |
| 2.2.2 基于扩展卡尔曼滤波(EKF)的SLAM | 第17-18页 |
| 2.2.3 基于极大似然估计方法(MLE)的SLAM | 第18页 |
| 2.2.4 基于粒子滤波(PF)的SLAM | 第18-19页 |
| 2.2.5 RBPF算法 | 第19页 |
| 2.3 SLAM算法性质及研究难点 | 第19-23页 |
| 2.3.1 SLAM算法性质 | 第19-20页 |
| 2.3.2 SLAM的研究难点 | 第20-22页 |
| 2.3.3 SLAM的未来研究趋势 | 第22-23页 |
| 第三章 AGV的定位建图与系统建模 | 第23-35页 |
| 3.1 AGV的定位方法 | 第23-25页 |
| 3.1.1 AGV的相对定位方法 | 第23-24页 |
| 3.1.2 AGV的绝对定位方法 | 第24-25页 |
| 3.2 AGV的地图创建问题 | 第25-28页 |
| 3.2.1 栅格地图(grid map) | 第25-26页 |
| 3.2.2 几何地图(geometry map) | 第26-27页 |
| 3.2.3 拓扑地图(topology map) | 第27-28页 |
| 3.2.4 混合地图(hybrid map) | 第28页 |
| 3.3 AGV的系统模型建立 | 第28-35页 |
| 3.3.1 SLAM系统模型 | 第28-30页 |
| 3.3.2 坐标系统模型 | 第30-31页 |
| 3.3.3 AGV运动模型 | 第31-32页 |
| 3.3.4 路标模型 | 第32页 |
| 3.3.5 里程计模型 | 第32-33页 |
| 3.3.6 传感器观测模型 | 第33-34页 |
| 3.3.7 噪声模型 | 第34-35页 |
| 第四章 SLAM解决方案 | 第35-59页 |
| 4.1 SLAM解决思想 | 第35-36页 |
| 4.2 基于扩展卡尔曼滤波的SLAM方法(EKF-SLAM) | 第36-40页 |
| 4.2.1 EKF-SLAM的基本原理 | 第36-40页 |
| 4.3 基于粒子滤波的SLAM方法(PF-SLAM) | 第40-46页 |
| 4.3.1 粒子滤波思想 | 第41页 |
| 4.3.2 蒙特卡罗方法 | 第41-42页 |
| 4.3.3 贝叶斯重要性采样 | 第42-43页 |
| 4.3.4 顺序重要性采样 | 第43-44页 |
| 4.3.5 重要性采样 | 第44-46页 |
| 4.3.6 带有重采样过程的PF算法 | 第46页 |
| 4.4 基于RBPF的FastSLAM算法 | 第46-49页 |
| 4.4.1 基础思想 | 第47页 |
| 4.4.2 FastSLAM的算法流程 | 第47-49页 |
| 4.5 经过改进的粒子群优化PF-SLAM | 第49-59页 |
| 4.5.1 标准粒子群优化过程 | 第49-51页 |
| 4.5.2 融合改进的粒子群优化过程 | 第51-52页 |
| 4.5.3 一种新的SLAM算法 | 第52-54页 |
| 4.5.4 仿真结果与分析 | 第54-59页 |
| 第五章 总结与展望 | 第59-61页 |
| 5.1 全文总结 | 第59页 |
| 5.2 未来展望 | 第59-61页 |
| 参考文献 | 第61-65页 |
| 致谢 | 第65-67页 |
| 攻读硕士学位期间发表的学术论文 | 第67-69页 |
