基于ROS的室内移动服务机器人定位与导航系统的研究与开发
| 摘要 | 第5-7页 |
| abstract | 第7-8页 |
| 第一章 绪论 | 第12-17页 |
| 1.1 研究课题的背景及意义 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-15页 |
| 1.2.1 国外研究现状 | 第13-14页 |
| 1.2.2 国内研究现状 | 第14-15页 |
| 1.3 SLAM技术 | 第15页 |
| 1.4 本文研究内容 | 第15-17页 |
| 1.4.1 研究概述 | 第15-16页 |
| 1.4.2 本文内容组织结构 | 第16-17页 |
| 第二章 滤波方法研究 | 第17-26页 |
| 2.1 定位算法概论 | 第17页 |
| 2.2 卡尔曼滤波 | 第17-21页 |
| 2.2.1 KF | 第17-20页 |
| 2.2.2 EKF | 第20-21页 |
| 2.3 粒子滤波 | 第21-25页 |
| 2.3.1 粒子滤波与SLAM | 第21页 |
| 2.3.2 粒子滤波流程 | 第21-25页 |
| 2.4 本章小结 | 第25-26页 |
| 第三章 机器人运动模型与观测模型 | 第26-49页 |
| 3.1 机器人运动学模型 | 第26-36页 |
| 3.1.1 机器人运动学概率模型 | 第26-27页 |
| 3.1.2 机器人速度运动模型 | 第27-32页 |
| 3.1.2.1 速度运动模型流程 | 第27-31页 |
| 3.1.2.2 速度模型采样算法 | 第31-32页 |
| 3.1.3 机器人里程计运动模型 | 第32-34页 |
| 3.1.3.1 里程计模型 | 第32-33页 |
| 3.1.3.2 里程计采样算法 | 第33-34页 |
| 3.1.4 基于地图的运动模型 | 第34-36页 |
| 3.2 机器人测量模型 | 第36-48页 |
| 3.2.1 基于光束的范围搜索模型 | 第37-42页 |
| 3.2.2 基于似然场的范围搜索模型 | 第42-45页 |
| 3.2.3 基于特征的观测模型 | 第45-48页 |
| 3.2.3.1 特征提取 | 第45页 |
| 3.2.3.2 地标测量 | 第45-46页 |
| 3.2.3.3 已知关联的测量模型 | 第46页 |
| 3.2.3.4 位姿取样 | 第46-48页 |
| 3.3 本章小结 | 第48-49页 |
| 第四章 移动机器人定位 | 第49-61页 |
| 4.1 马尔科夫定位 | 第49-51页 |
| 4.2 扩展卡尔曼EKF定位 | 第51-55页 |
| 4.2.1 与地图已知关联的EKF定位算法 | 第51-53页 |
| 4.2.2 与地图未知关联的EKF定位算法 | 第53-55页 |
| 4.3 蒙特卡洛定位算法 | 第55-59页 |
| 4.3.1 基本蒙特卡洛算法 | 第55-57页 |
| 4.3.2 扩展蒙特卡洛算法 | 第57-59页 |
| 4.4 本章小结 | 第59-61页 |
| 第五章 移动机器人导航 | 第61-80页 |
| 5.1 建图 | 第61-65页 |
| 5.1.1 占据栅格建图 | 第61-62页 |
| 5.1.2 坐标转化 | 第62-64页 |
| 5.1.3 仿真 | 第64-65页 |
| 5.2 全局路径规划 | 第65-69页 |
| 5.2.1 迪杰斯特拉最短路径算法 | 第65-66页 |
| 5.2.2 A*算法 | 第66-69页 |
| 5.3 局部路径规划 | 第69-76页 |
| 5.3.1 人工势场法 | 第69-71页 |
| 5.3.2 动态窗口法 | 第71-74页 |
| 5.3.3 路径平滑 | 第74-76页 |
| 5.4 机器人平台搭建及实验成果 | 第76-79页 |
| 5.4.1 机器人平台搭建 | 第76-77页 |
| 5.4.2 实验结果 | 第77-79页 |
| 5.5 本章小结 | 第79-80页 |
| 第六章 总结与展望 | 第80-82页 |
| 致谢 | 第82-83页 |
| 参考文献 | 第83-86页 |
| 攻读硕士学位期间参与项目及取得成果 | 第86-87页 |
