| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第1章 绪论 | 第10-20页 |
| 1.1 课题研究背景及意义 | 第10-11页 |
| 1.2 移动机器人在线环境感知与自主定位方法研究现状 | 第11-16页 |
| 1.2.1 国外研究现状 | 第11-16页 |
| 1.2.2 国内研究现状 | 第16页 |
| 1.3 SLAM技术中环境地图表示方法国内外研究现状 | 第16-17页 |
| 1.4 研究内容与研究方法 | 第17-19页 |
| 1.4.1 研究内容 | 第17-18页 |
| 1.4.2 研究方法 | 第18-19页 |
| 1.5 论文组织结构 | 第19-20页 |
| 第2章 自主移动机器人及其系统建模 | 第20-26页 |
| 2.1 引言 | 第20页 |
| 2.2 SLAM数学模型 | 第20-22页 |
| 2.3 移动机器人系统平台 | 第22页 |
| 2.4 坐标系统 | 第22-23页 |
| 2.5 移动机器人运动学模型 | 第23-24页 |
| 2.6 传感器观测模型 | 第24-25页 |
| 2.7 环境地图模型 | 第25页 |
| 2.8 本章小结 | 第25-26页 |
| 第3章 地图构建方法与数据关联方法研究 | 第26-38页 |
| 3.1 引言 | 第26页 |
| 3.2 环境地图构建方法 | 第26-30页 |
| 3.3 数据关联方法研究 | 第30-37页 |
| 3.3.1 最近邻迭代算法（ICP） | 第30-33页 |
| 3.3.2 可能性域扫描匹配算法 | 第33-37页 |
| 3.4 本章小结 | 第37-38页 |
| 第4章 基于粒子滤波的移动机器人自定位方法研究 | 第38-59页 |
| 4.1 引言 | 第38页 |
| 4.2 粒子滤波算法原理及其问题 | 第38-42页 |
| 4.2.1 粒子滤波原理 | 第38-40页 |
| 4.2.2 粒子滤波存在的问题及解决方案 | 第40-42页 |
| 4.3 基于Rao-Blackwellized粒子滤波算法研究 | 第42-54页 |
| 4.3.1 Rao-Blackwellized解决SLAM问题基本原理 | 第42-44页 |
| 4.3.2 基于运动学模型的采样 | 第44-48页 |
| 4.3.3 改进建议分布选取 | 第48-51页 |
| 4.3.4 自适应重采样 | 第51-52页 |
| 4.3.5 算法流程 | 第52-54页 |
| 4.4 基于数据集的仿真实验验证 | 第54-58页 |
| 4.5 本章小结 | 第58-59页 |
| 第5章 移动机器人平台环境感知与自定位算法试验验证 | 第59-68页 |
| 5.1 引言 | 第59页 |
| 5.2 移动机器人平台实物系统 | 第59-60页 |
| 5.2.1 机器人硬件平台 | 第59页 |
| 5.2.2 激光测距仪与里程计 | 第59-60页 |
| 5.3 软件系统 | 第60-62页 |
| 5.3.1 机器人操作系统ROS | 第60-61页 |
| 5.3.2 机器人控制软件 | 第61-62页 |
| 5.4 室内环境下移动机器人环境感知与自定位算法试验验证 | 第62-67页 |
| 5.4.1 试验一：室内环境中移动机器人环境感知与自定位算法试验 | 第63-64页 |
| 5.4.2 试验二：短距离走廊环境中移动机器人环境感知与自定位算法试验 | 第64-65页 |
| 5.4.3 试验三：室内环境中移动机器人环境感知与自定位精度误差测试 | 第65-66页 |
| 5.4.4 试验四：长距离走廊环境中移动机器人环境感知与自定位算法试验 | 第66-67页 |
| 5.5 本章小结 | 第67-68页 |
| 结论 | 第68-69页 |
| 参考文献 | 第69-74页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第74-75页 |
| 致谢 | 第75页 |
