| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 引言 | 第8-17页 |
| 1.1 研究背景及意义 | 第8-9页 |
| 1.2 移动机器人国内外发展现状 | 第9-13页 |
| 1.2.1 国外移动机器人发展现状 | 第9-11页 |
| 1.2.2 国内移动机器人发展现状 | 第11-13页 |
| 1.3 移动机器人关键技术的研究现状 | 第13-15页 |
| 1.3.1 移动机器人SLAM技术研究现状 | 第13-14页 |
| 1.3.2 移动机器人导航技术研究现状 | 第14-15页 |
| 1.4 论文的主要研究内容与章节结构安排 | 第15-17页 |
| 1.4.1 主要研究内容 | 第15页 |
| 1.4.2 章节结构安排 | 第15-17页 |
| 第2章 基于ROS的移动机器人系统 | 第17-31页 |
| 2.1 机器人硬件平台的搭建 | 第17-18页 |
| 2.2 机器人软件平台的选择 | 第18-23页 |
| 2.2.1 OpenRTM | 第19页 |
| 2.2.2 ROS | 第19-22页 |
| 2.2.3 OpenRTM与 ROS的对比分析 | 第22-23页 |
| 2.3 移动机器人系统建模 | 第23-30页 |
| 2.3.1 坐标系变换模型与系统的TF树 | 第23-24页 |
| 2.3.2 速度运动模型 | 第24-26页 |
| 2.3.3 里程计运动模型 | 第26-28页 |
| 2.3.4 激光雷达观测模型 | 第28-30页 |
| 2.4 本章小结 | 第30-31页 |
| 第3章 移动机器人激光SLAM技术研究 | 第31-46页 |
| 3.1 激光SLAM技术的原理及分类 | 第31-32页 |
| 3.2 环境地图的构建 | 第32-36页 |
| 3.2.1 地图的表示方法 | 第32-34页 |
| 3.2.2 占据栅格地图的构建原理 | 第34-36页 |
| 3.3 基于RBPF的 SLAM算法的研究 | 第36-41页 |
| 3.3.1 粒子滤波原理 | 第36-39页 |
| 3.3.2 基于RBPF的 gmapping算法 | 第39-40页 |
| 3.3.3 gmapping的仿真实验 | 第40-41页 |
| 3.4 基于图优化的SLAM算法的研究 | 第41-45页 |
| 3.4.1 基于图优化的Cartographer算法 | 第41-44页 |
| 3.4.2 Cartographer的仿真实验 | 第44-45页 |
| 3.5 对比分析 | 第45页 |
| 3.6 本章小结 | 第45-46页 |
| 第4章 移动机器人的导航技术研究 | 第46-54页 |
| 4.1 已知环境下的机器人定位 | 第46-47页 |
| 4.2 代价地图 | 第47-48页 |
| 4.3 全局路径规划的研究 | 第48-50页 |
| 4.3.1 Dijkstra算法与A*算法 | 第48-49页 |
| 4.3.2 A*算法的仿真实验 | 第49-50页 |
| 4.4 局部路径规划的研究 | 第50-51页 |
| 4.5 自主导航仿真实验 | 第51-53页 |
| 4.6 本章小结 | 第53-54页 |
| 第5章 实验室环境中移动机器人导航实验 | 第54-61页 |
| 5.1 移动机器人SLAM与导航系统框架 | 第54页 |
| 5.2 SLAM实验 | 第54-58页 |
| 5.3 自主导航实验 | 第58-60页 |
| 5.4 本章小结 | 第60-61页 |
| 第6章 总结与展望 | 第61-63页 |
| 6.1 总结 | 第61-62页 |
| 6.2 展望 | 第62-63页 |
| 参考文献 | 第63-66页 |
| 致谢 | 第66-67页 |
| 附录 | 第67页 |