| 摘要 | 第3-5页 |
| abstract | 第5-6页 |
| 第1章 绪论 | 第10-17页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 国内外相关课题研究现状 | 第11-14页 |
| 1.2.1 移动机器人导航研究现状 | 第11-12页 |
| 1.2.2 移动机器人SLAM研究现状 | 第12-13页 |
| 1.2.3 移动机器人路径规划研究现状 | 第13-14页 |
| 1.3 论文主要研究内容及结构安排 | 第14-16页 |
| 1.3.1 论文主要研究内容 | 第14-15页 |
| 1.3.2 论文组织结构 | 第15-16页 |
| 1.4 本章小结 | 第16-17页 |
| 第2章 基于ROS的移动机器人室内激光导航系统方案设计 | 第17-30页 |
| 2.1 移动机器人导航相关技术 | 第17-20页 |
| 2.1.1 定位 | 第17-19页 |
| 2.1.2 地图构建 | 第19页 |
| 2.1.3 路径规划 | 第19-20页 |
| 2.2 ROS技术 | 第20-24页 |
| 2.2.1 计算图级层 | 第21-23页 |
| 2.2.2 文件系统级层 | 第23-24页 |
| 2.3 移动机器人导航系统设计 | 第24-29页 |
| 2.3.1 里程计运动模型 | 第24-25页 |
| 2.3.2 激光传感器模型 | 第25-27页 |
| 2.3.3 导航系统总体方案 | 第27-29页 |
| 2.4 本章小结 | 第29-30页 |
| 第3章 基于高斯分布重采样的RBPF-SLAM算法 | 第30-45页 |
| 3.1 SLAM原理 | 第30-31页 |
| 3.1.1 SLAM流程 | 第30页 |
| 3.1.2 SLAM数学描述 | 第30-31页 |
| 3.2 粒子滤波基本原理 | 第31-36页 |
| 3.2.1 贝叶斯滤波 | 第32-33页 |
| 3.2.2 蒙特卡罗方法 | 第33-34页 |
| 3.2.3 序列重要性采样 | 第34-36页 |
| 3.3 基于Rao-Blackwellized粒子滤波的SLAM算法 | 第36-37页 |
| 3.4 基于高斯分布重采样Rao-Blackwellized粒子滤波SLAM算法 | 第37-40页 |
| 3.4.1 基于高斯分布的重采样 | 第37-39页 |
| 3.4.2 改进算法实现流程 | 第39-40页 |
| 3.5 实验结果及分析 | 第40-44页 |
| 3.5.1 仿真研究实现 | 第40-42页 |
| 3.5.2 ROS上改进RBPF-SLAM实验结果分析 | 第42-44页 |
| 3.6 本章小结 | 第44-45页 |
| 第4章 改进人工蜂群算法的路径规划 | 第45-55页 |
| 4.1 人工蜂群算法基本理论 | 第45-48页 |
| 4.1.1 人工蜂群算法的一般描述 | 第45-46页 |
| 4.1.2 人工蜂群算法流程 | 第46-48页 |
| 4.2 基于改进人工蜂群算法的路径规划方法 | 第48-50页 |
| 4.3 实验结果及分析 | 第50-54页 |
| 4.3.1 改进算法性能分析 | 第50-52页 |
| 4.3.2 ROS上改进人工蜂群算法的路径规划实验结果分析 | 第52-54页 |
| 4.4 本章小结 | 第54-55页 |
| 第5章 移动机器人激光导航系统实现 | 第55-69页 |
| 5.1 系统软硬件平台 | 第55-57页 |
| 5.1.1 系统硬件平台 | 第55-57页 |
| 5.1.2 系统软件平台 | 第57页 |
| 5.2 导航控制策略 | 第57-58页 |
| 5.3 移动机器人导航系统实现 | 第58-62页 |
| 5.3.1 系统软硬件平台调试 | 第58-59页 |
| 5.3.2 配置和封装地图构建和路径规划功能包 | 第59页 |
| 5.3.3 基于高斯分布重采样的RBPF-SLAM算法构建先验地图 | 第59-61页 |
| 5.3.4 基于先验地图的导航系统实现 | 第61-62页 |
| 5.4 不同环境下导航实验及结果分析 | 第62-68页 |
| 5.5 本章小结 | 第68-69页 |
| 第6章 总结与展望 | 第69-71页 |
| 6.1 论文总结 | 第69-70页 |
| 6.2 工作展望 | 第70-71页 |
| 参考文献 | 第71-77页 |
| 致谢 | 第77-78页 |
| 攻读硕士学位期间从事的科研工作及取得的成果 | 第78页 |
