基于激光雷达的2D-SLAM的研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第10-18页 |
| 1.1 课题研究背景及意义 | 第10-12页 |
| 1.1.1 SLAM问题的提出背景 | 第10-11页 |
| 1.1.2 SLAM问题研究意义 | 第11-12页 |
| 1.2 SLAM问题难点分析 | 第12-13页 |
| 1.3 移动机器人SLAM的研究现状 | 第13-16页 |
| 1.3.1 基于滤波器的SLAM方法 | 第13-15页 |
| 1.3.2 基于图优化的SLAM方法 | 第15-16页 |
| 1.4 本课题主要研究内容与论文结构 | 第16-18页 |
| 第2章 SLAM系统与实验平台 | 第18-30页 |
| 2.1 引言 | 第18页 |
| 2.2 系统描述 | 第18-23页 |
| 2.2.1 地图的表示 | 第18-20页 |
| 2.2.2 定位方法 | 第20-21页 |
| 2.2.3 SLAM问题的数学描述 | 第21-23页 |
| 2.3 实验平台 | 第23-29页 |
| 2.3.1 ROS系统基本介绍 | 第23-26页 |
| 2.3.2 机器人平台 | 第26-29页 |
| 2.4 本章小结 | 第29-30页 |
| 第3章 SLAM理论基础的研究 | 第30-54页 |
| 3.1 引言 | 第30页 |
| 3.2 基于滤波器的SLAM | 第30-49页 |
| 3.2.1 概率模型与马尔科夫假设 | 第31-33页 |
| 3.2.2 贝叶斯滤波 | 第33-34页 |
| 3.2.3 卡尔曼滤波 | 第34-38页 |
| 3.2.4 扩展卡尔曼滤波原理与EKF-SLAM | 第38-45页 |
| 3.2.5 粒子滤波原理 | 第45-49页 |
| 3.3 基于激光雷达的经典SLAM算法 | 第49-52页 |
| 3.3.1 Hector SLAM算法基本原理 | 第50-51页 |
| 3.3.2 Gmapping算法基本原理 | 第51-52页 |
| 3.4 本章小结 | 第52-54页 |
| 第4章 基于图优化的SLAM与G2O | 第54-70页 |
| 4.1 引言 | 第54页 |
| 4.2 基于图优化的SLAM | 第54-63页 |
| 4.2.1 基于图优化的SLAM框架 | 第55页 |
| 4.2.2 ICP扫描匹配 | 第55-59页 |
| 4.2.3 闭环检测 | 第59-61页 |
| 4.2.4 图优化原理 | 第61-63页 |
| 4.3 G2O优化原理 | 第63-66页 |
| 4.3.1 g2O优化问题的建模 | 第63-64页 |
| 4.3.2 求解非线性最小二乘问题 | 第64-66页 |
| 4.4 G2O优化的实现 | 第66-68页 |
| 4.4.1 g2O的实现框架 | 第66-67页 |
| 4.4.2 g2O仿真 | 第67-68页 |
| 4.5 本章小结 | 第68-70页 |
| 第5章 基于ROS的SLAM实验 | 第70-84页 |
| 5.1 引言 | 第70页 |
| 5.2 实验环境 | 第70-72页 |
| 5.2.1 实验场景 | 第70-71页 |
| 5.2.2 Rviz可视化平台 | 第71-72页 |
| 5.3 基于激光雷达的2D-SLAM实验 | 第72-82页 |
| 5.3.1 Gmapping算法实验与分析 | 第72-76页 |
| 5.3.2 HectorSLAM算法实验与分析 | 第76-80页 |
| 5.3.3 Cartographer算法测试 | 第80-82页 |
| 5.4 本章小结 | 第82-84页 |
| 第6章 总结与展望 | 第84-86页 |
| 6.1 总结 | 第84-85页 |
| 6.2 展望 | 第85-86页 |
| 参考文献 | 第86-90页 |
| 致谢 | 第90-92页 |
| 攻读学位期间参加的科研项目和成果 | 第92页 |
