| 摘要 | 第3-5页 |
| abstract | 第5-6页 |
| 第1章 绪论 | 第10-18页 |
| 1.1 课题研究意义 | 第10-11页 |
| 1.2 国内外相关课题的研究现状 | 第11-15页 |
| 1.2.1 AGV的研究现状 | 第11-13页 |
| 1.2.2 导航相关技术的研究现状 | 第13-15页 |
| 1.3 本课题来源和研究的主要内容 | 第15-16页 |
| 1.4 本章小结 | 第16-18页 |
| 第2章 基于ROS的AGV导航总体方案设计 | 第18-28页 |
| 2.1 ROS的基本架构 | 第18-22页 |
| 2.1.1 ROS的计算图级 | 第19-20页 |
| 2.1.2 文件系统级(The Filesystem Level) | 第20-21页 |
| 2.1.3 社区级(The Community Level) | 第21-22页 |
| 2.2 激光测距仪选型及测距原理 | 第22-23页 |
| 2.2.1 激光测距仪的选型 | 第22页 |
| 2.2.2 激光测距仪测距原理 | 第22-23页 |
| 2.3 AGV里程计模型与坐标系转换 | 第23-25页 |
| 2.4 AGV多目标导航系统总体方案 | 第25-27页 |
| 2.5 本章小结 | 第27-28页 |
| 第3章 改进粒子采样技术的SLAM算法 | 第28-41页 |
| 3.1 地图构建技术 | 第28-30页 |
| 3.2 SLAM的基本原理及分类 | 第30-33页 |
| 3.2.1 SLAM的基本原理 | 第30-32页 |
| 3.2.2 SLAM算法分类 | 第32-33页 |
| 3.3 基于RBPF粒子滤波器的SLAM | 第33-35页 |
| 3.4 基于改进粒子采样技术的SLAM方法 | 第35-40页 |
| 3.4.1 RBPF-SLAM的不足之处 | 第35-36页 |
| 3.4.2 本文的改进方法 | 第36-38页 |
| 3.4.3 实验结果及分析 | 第38-40页 |
| 3.5 本章小结 | 第40-41页 |
| 第4章 改进的AGV路径规划算法 | 第41-61页 |
| 4.1 全局路径规划算法 | 第41-43页 |
| 4.1.1 常用全局路径规划算法 | 第41-43页 |
| 4.2 基于A~*算法的全局路径规划 | 第43-47页 |
| 4.2.1 A~*算法原理 | 第43-45页 |
| 4.2.2 A~*算法流程 | 第45-47页 |
| 4.3 蚁群算法解决TSP | 第47-51页 |
| 4.3.1 旅行商问题 | 第47-49页 |
| 4.3.2 蚁群算法解决TSP基本原理及步骤 | 第49-51页 |
| 4.4 改进的蚁群算法解决TSP | 第51-55页 |
| 4.4.1 自适应蚁群算法 | 第51-52页 |
| 4.4.2 遗传算法对蚁群算法的优化 | 第52-54页 |
| 4.4.3 改进的蚁群算法解决TSP的步骤 | 第54-55页 |
| 4.5 实验结果及分析 | 第55-59页 |
| 4.6 本章小结 | 第59-61页 |
| 第5章 基于ROS的AGV多目标点导航系统实现 | 第61-80页 |
| 5.1 AGV多目标点导航系统总体设计 | 第61-70页 |
| 5.1.1 AGV多工位呼叫Web应用程序设计 | 第62-65页 |
| 5.1.2 移动AGV的硬件平台 | 第65-70页 |
| 5.2 基于ROS的AGV室内导航系统设计 | 第70-72页 |
| 5.2.1 AGV差动控制 | 第70-71页 |
| 5.2.2 基于ROS的导航系统架构 | 第71-72页 |
| 5.3 AGV多工位呼叫与多目标点导航实验结果及分析 | 第72-79页 |
| 5.3.1 AGV多工位呼叫 | 第72-74页 |
| 5.3.2 AGV多目标点导航 | 第74-79页 |
| 5.4 本章小结 | 第79-80页 |
| 第6章 总结与展望 | 第80-82页 |
| 6.1 全文总结 | 第80-81页 |
| 6.2 展望 | 第81-82页 |
| 参考文献 | 第82-87页 |
| 致谢 | 第87-89页 |
| 攻读硕士学位期间从事的科研工作及取得的成果 | 第89页 |
