| 摘要 | 第6-7页 |
| Abstract | 第7页 |
| 第1章 绪论 | 第12-20页 |
| 1.1 课题研究背景及意义 | 第12-13页 |
| 1.1.1 研究背景 | 第12-13页 |
| 1.1.2 意义 | 第13页 |
| 1.2 SLAM发展现状 | 第13-17页 |
| 1.2.1 基于滤波器的SLAM方法 | 第13-15页 |
| 1.2.2 基于图优化的SLAM方法 | 第15页 |
| 1.2.3 传感器 | 第15-16页 |
| 1.2.4 地图表示 | 第16-17页 |
| 1.3 本文研究内容 | 第17-20页 |
| 第2章 移动机器人控制系统方案设计 | 第20-34页 |
| 2.1 引言 | 第20页 |
| 2.2 控制系统软件平台方案设计 | 第20-23页 |
| 2.2.1 ROS介绍 | 第20-21页 |
| 2.2.2 ROS相关概念 | 第21页 |
| 2.2.3 ROS版本 | 第21页 |
| 2.2.4 Ubuntu系统 | 第21-23页 |
| 2.3 控制系统硬件总体方案设计 | 第23-33页 |
| 2.3.1 上位机 | 第24-25页 |
| 2.3.2 下位机 | 第25-26页 |
| 2.3.3 电机驱动器设计 | 第26-27页 |
| 2.3.4 遥控方案的设计 | 第27-28页 |
| 2.3.5 倾角仪 | 第28-29页 |
| 2.3.6 编码器 | 第29-31页 |
| 2.3.7 电源电池 | 第31-32页 |
| 2.3.8 电源电路 | 第32-33页 |
| 2.4 本章小结 | 第33-34页 |
| 第3章 Kinect数学模型及测距方法实现 | 第34-44页 |
| 3.1 引言 | 第34页 |
| 3.2 KINECT原理介绍 | 第34-37页 |
| 3.2.1 Kinect成像模型理论 | 第34-36页 |
| 3.2.2 彩色图像和深度图像对齐 | 第36-37页 |
| 3.3 基于KINECT的测距方法 | 第37-43页 |
| 3.3.1 深度测量原理 | 第38-40页 |
| 3.3.2 相机坐标系和机器人坐标系转换 | 第40-43页 |
| 3.4 本章小结 | 第43-44页 |
| 第4章 即时定位与地图构建(SLAM)和路径规划算法研究 | 第44-64页 |
| 4.1 引言 | 第44页 |
| 4.2 移动机器人即时定位与地图构建 | 第44-52页 |
| 4.2.1 传统粒子滤波方法理论 | 第44-47页 |
| 4.2.2 基于Rao-Blackwellized的粒子滤波算法 | 第47-48页 |
| 4.2.3 占用栅格概率地图构建方法 | 第48-52页 |
| 4.3 改进的RAO-BLACKWELLIZED粒子滤波算法 | 第52-56页 |
| 4.3.1 改进的提议分布 | 第52-54页 |
| 4.3.2 重采样步骤 | 第54-56页 |
| 4.4 移动机器人路径规划 | 第56-61页 |
| 4.4.1 基于Dijkstra算法的全局路径规划 | 第57页 |
| 4.4.2 基于DWA的局部动态规划 | 第57-61页 |
| 4.5 本章小结 | 第61-64页 |
| 第5章 实验测试 | 第64-72页 |
| 5.1 引言 | 第64页 |
| 5.2 实验平台及SLAM系统设计 | 第64-67页 |
| 5.2.1 轮式移动机器人平台 | 第64页 |
| 5.2.2 导航架构 | 第64-65页 |
| 5.2.3 导航程序设计 | 第65-67页 |
| 5.3 实验测试及分析 | 第67-71页 |
| 5.3.1 构建地图 | 第67-69页 |
| 5.3.2 路径规划 | 第69-71页 |
| 5.4 本章小结 | 第71-72页 |
| 第6章 结论与展望 | 第72-74页 |
| 6.1 结论 | 第72页 |
| 6.2 展望 | 第72-74页 |
| 参考文献 | 第74-80页 |
| 致谢 | 第80-82页 |
| 附录 | 第82页 |
| A. 攻读硕士学位期间发表的论文 | 第82页 |
| B. 作者在攻读硕士学位期间参加的科研项目 | 第82页 |
