| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第10-20页 |
| 1.1 课题研究背景与意义 | 第10-13页 |
| 1.1.1 选题背景 | 第10-12页 |
| 1.1.2 课题研究意义 | 第12-13页 |
| 1.2 SLAM问题的国内外研究现状 | 第13-14页 |
| 1.2.1 国外针对SLAM问题的研究进展 | 第13-14页 |
| 1.2.2 国内针对SLAM问题的研究进展 | 第14页 |
| 1.3 移动机器人SLAM问题 | 第14-16页 |
| 1.3.1 SLAM基本流程 | 第14-15页 |
| 1.3.2 SLAM算法 | 第15-16页 |
| 1.4 SLAM研究中的关键技术 | 第16-18页 |
| 1.5 论文研究内容和章节安排 | 第18-20页 |
| 第2章 基于激光雷达的AGV环境地图构建 | 第20-32页 |
| 2.1 AGV小车基本结构 | 第20-21页 |
| 2.2 激光雷达 | 第21-23页 |
| 2.3 环境地图研究概况 | 第23-24页 |
| 2.3.1 特征地图 | 第23页 |
| 2.3.2 栅格地图 | 第23-24页 |
| 2.4 构建环境地图 | 第24-29页 |
| 2.4.1 获取数据 | 第24-26页 |
| 2.4.2 ICP扫描匹配 | 第26-28页 |
| 2.4.3 数据融合 | 第28-29页 |
| 2.5 机器人地图创建发展趋势 | 第29-32页 |
| 第3章 粒子滤波算法 | 第32-44页 |
| 3.1 粒子滤波器基本步骤 | 第32-34页 |
| 3.1.1 生成粒子集 | 第32-33页 |
| 3.1.2 重要性步骤 | 第33页 |
| 3.1.3 重采样 | 第33-34页 |
| 3.2 粒子滤波算法 | 第34-38页 |
| 3.2.1 序贯重要性采样算法 | 第35-36页 |
| 3.2.2 序贯重要性重采样 | 第36页 |
| 3.2.3 粒子滤波仿真 | 第36-38页 |
| 3.3 基于粒子滤波算法的移动机器人定位 | 第38-40页 |
| 3.3.1 MCL算法步骤 | 第39页 |
| 3.3.2 MCL算法的优缺点 | 第39-40页 |
| 3.4 基于粒子滤波算法的机器人地图构建 | 第40-42页 |
| 3.5 粒子滤波算法存在的问题 | 第42-44页 |
| 第4章 基于RBPF的改进FastSLAM方法研究 | 第44-60页 |
| 4.1 移动机器人相关模型 | 第44-46页 |
| 4.1.1 坐标系统 | 第44-45页 |
| 4.1.2 运动学模型和观测模型 | 第45-46页 |
| 4.2 FastSLAM算法思想 | 第46-48页 |
| 4.3 FastSLAM算法流程 | 第48-50页 |
| 4.3.1 机器人路径位姿估计 | 第48页 |
| 4.3.2 路标估计 | 第48-50页 |
| 4.4 改进粒子重采样方法 | 第50-53页 |
| 4.4.1 重采样算法RPF | 第50-51页 |
| 4.4.2 改进重采样后算法仿真及结果分析 | 第51-53页 |
| 4.5 基于UKF算法路标估计 | 第53-55页 |
| 4.6 仿真实验及结果分析 | 第55-60页 |
| 第5章 基于ROS平台的SLAM仿真验证 | 第60-70页 |
| 5.1 ROS操作系统 | 第60-64页 |
| 5.1.1 ROS简介 | 第60-63页 |
| 5.1.2 总体结构 | 第63-64页 |
| 5.1.3 主要特点 | 第64页 |
| 5.2 ROS上改进RBPF的SLAM实现 | 第64-70页 |
| 5.2.1 SLAM仿真过程研究 | 第64-68页 |
| 5.2.2 SLAM仿真验证算法 | 第68-70页 |
| 第6章 总结与展望 | 第70-72页 |
| 6.1 工作总结 | 第70页 |
| 6.2 研究展望 | 第70-72页 |
| 参考文献 | 第72-78页 |
| 致谢 | 第78页 |