| 摘要 | 第1-4页 |
| Abstract | 第4-5页 |
| 目录 | 第5-7页 |
| 第一章 绪论 | 第7-12页 |
| ·课题研究意义 | 第7页 |
| ·国内外相关课题研究现状 | 第7-10页 |
| ·移动机器人避障的国内外研究现状 | 第8页 |
| ·避障算法的研究现状 | 第8-9页 |
| ·开源机器人操作系统（ROS）的研究现状 | 第9-10页 |
| ·课题研究内容及安排 | 第10-12页 |
| 第二章 基于多超声波传感器对障碍物的检测 | 第12-23页 |
| ·多超声波传感器测距方案 | 第12-13页 |
| ·超声波传感器的测距原理 | 第12页 |
| ·多超声波传感器的测距方案 | 第12-13页 |
| ·超声波传感器的误差分析及数据预处理 | 第13-15页 |
| ·超声波传感器的误差分析 | 第13-14页 |
| ·基于卡尔曼滤波的数据预处理 | 第14-15页 |
| ·基于神经网络的数据处理 | 第15-16页 |
| ·多超声波传感器对障碍物的检测 | 第16-17页 |
| ·实验与结果分析 | 第17-21页 |
| ·实验设计 | 第17-18页 |
| ·实验过程 | 第18-20页 |
| ·实验结果分析 | 第20-21页 |
| ·本章小结 | 第21-23页 |
| 第三章 基于异质传感器的移动机器人定位 | 第23-54页 |
| ·机器人的自定位 | 第23-26页 |
| ·航迹推算定位法 | 第23-24页 |
| ·基于卡尔曼滤波器的融合定位 | 第24-25页 |
| ·实验结果与分析 | 第25-26页 |
| ·基于 Kinect 的障碍物识别 | 第26-37页 |
| ·Kinect概述 | 第26-29页 |
| ·基于 Kinect 的障碍物识别 | 第29-37页 |
| ·基于多传感器的障碍物到机器人之间距离的确定 | 第37-48页 |
| ·Kinect 对距离的测量 | 第37-38页 |
| ·超声波传感器对障碍物的测量 | 第38-45页 |
| ·机器人到障碍物距离的确定 | 第45-48页 |
| ·障碍物宽度尺寸的确定 | 第48页 |
| ·障碍物信息的更新 | 第48-50页 |
| ·实验及结果分析 | 第50-53页 |
| ·实验设计 | 第50-51页 |
| ·实验结果及分析 | 第51-53页 |
| ·本章小结 | 第53-54页 |
| 第四章 基于 ROS 的 Turtlebot 机器人避障实现 | 第54-75页 |
| ·智能小车避障运动控制 | 第54-56页 |
| ·ROS 总体框架 | 第56-59页 |
| ·基于 ROS 的 Turtlebot 机器人避障的实现 | 第59-63页 |
| ·基于 ROS 的系统设计思想 | 第59页 |
| ·计算图级设计 | 第59-61页 |
| ·文件系统级设计 | 第61页 |
| ·运行节点图 | 第61-63页 |
| ·Turtlebot 避障实验 | 第63-74页 |
| ·Turtlebot 机器人避障系统 | 第63-66页 |
| ·实验设计 | 第66页 |
| ·实验结果及分析 | 第66-74页 |
| ·本章小结 | 第74-75页 |
| 第五章 总结与展望 | 第75-76页 |
| 致谢 | 第76-77页 |
| 参考文献 | 第77-79页 |
| 附录: 作者在攻读硕士学位期间发表的论文 | 第79页 |