基于ROS的移动机器人地图创建方法与应用研究
摘要 | 第4-5页 |
Abstract | 第5-6页 |
1 绪论 | 第10-19页 |
1.1 课题研究背景及意义 | 第10-11页 |
1.2 移动机器人研究现状 | 第11-13页 |
1.2.1 国外移动机器人研究概况 | 第11页 |
1.2.2 国内移动机器人研究概况 | 第11-13页 |
1.3 ROS研究现状 | 第13-16页 |
1.3.1 ROS基本概念 | 第13-14页 |
1.3.2 ROS在移动机器人中的应用现状 | 第14-16页 |
1.4 移动机器人地图构建研究现状 | 第16-17页 |
1.4.1 国外地图创建的研究概况 | 第16页 |
1.4.2 国内地图创建的研究概况 | 第16-17页 |
1.5 课题主要内容 | 第17-18页 |
1.6 本章小结 | 第18-19页 |
2 移动机器人地图创建系统分析 | 第19-31页 |
2.1 坐标转换关系 | 第19-20页 |
2.2 环境信息采集方式 | 第20-21页 |
2.2.1 基于视觉传感器的数据采集 | 第20页 |
2.2.2 基于测距传感器的数据采集 | 第20-21页 |
2.2.3 内部传感器数据采集 | 第21页 |
2.2.4 多传感器信息融合 | 第21页 |
2.3 地图表示方法 | 第21-23页 |
2.3.1 几何特征地图 | 第22页 |
2.3.2 栅格地图 | 第22页 |
2.3.3 拓扑地图 | 第22-23页 |
2.4 激光数据模型及预处理 | 第23-30页 |
2.4.1 激光数据模型 | 第23-24页 |
2.4.2 改进SEF数据分段及滤波 | 第24-27页 |
2.4.3 基于改进SEF的线段特征拟合 | 第27-30页 |
2.5 本章小结 | 第30-31页 |
3 基于激光的扫描匹配 | 第31-44页 |
3.1 基于点— 点的极坐标匹配 | 第32-35页 |
3.1.1 平移估计 | 第33-34页 |
3.1.2 角度估计 | 第34-35页 |
3.2 基于线段特征的视野扇面匹配 | 第35-36页 |
3.3 基于点— 线的ICP匹配 | 第36-43页 |
3.3.1 PLICP算法 | 第37-38页 |
3.3.2 PLICP闭合解形式 | 第38-41页 |
3.3.3 PLICP在有限步骤内收敛 | 第41-42页 |
3.3.4 PLICP和ICP不同收敛性质 | 第42-43页 |
3.4 本章小结 | 第43-44页 |
4 基于PLICP和粒子滤波的SLAM | 第44-54页 |
4.1 SLAM问题及其描述 | 第44-46页 |
4.2 选取改进的建议分布函数 | 第46-51页 |
4.2.1 基于观测信息的PLICP匹配位姿估计 | 第47页 |
4.2.2 基于运动模型下的里程计位姿估计 | 第47-49页 |
4.2.3 最优位姿估计 | 第49-51页 |
4.3 权重计算 | 第51-52页 |
4.4 自适应重采样 | 第52页 |
4.5 本章小结 | 第52-54页 |
5 基于ROS的移动机器人地图创建应用研究 | 第54-65页 |
5.1 ROS地图创建框架 | 第54-56页 |
5.2 基于ROS的移动机器人地图创建实验 | 第56-62页 |
5.2.1 数据扫描匹配 | 第56-59页 |
5.2.2 地图构建 | 第59-62页 |
5.3 基于ROS的地图创建的应用研究 | 第62-64页 |
5.3.1 集成地图创建方法 | 第63页 |
5.3.2 应用场景 | 第63-64页 |
5.4 本章小结 | 第64-65页 |
结论 | 第65-67页 |
致谢 | 第67-69页 |
参考文献 | 第69-74页 |
攻读硕士学位期间发表的学术论文及研究成果 | 第74页 |