| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第10-15页 |
| 1.1 研究背景和意义 | 第10-11页 |
| 1.2 SLAM与路径规划应用现状与进展 | 第11-13页 |
| 1.2.1 SLAM应用现状与进展 | 第11-12页 |
| 1.2.2 路径规划应用现状与进展 | 第12-13页 |
| 1.3 本文的研究内容和章节安排 | 第13-15页 |
| 第2章 系统模型 | 第15-25页 |
| 2.1 引言 | 第15页 |
| 2.2 移动机器人导航相关问题 | 第15-18页 |
| 2.2.1 机器人定位 | 第15-16页 |
| 2.2.2 环境地图表示 | 第16-18页 |
| 2.3 移动机器实验平台 | 第18-19页 |
| 2.3.1 内部传感器 | 第18-19页 |
| 2.3.2 外部传感器 | 第19页 |
| 2.4 移动机器人模型 | 第19-24页 |
| 2.4.1 坐标系统模型 | 第19-20页 |
| 2.4.2 环境地图模型 | 第20-21页 |
| 2.4.3 里程计模型 | 第21页 |
| 2.4.4 激光雷达测距模型 | 第21-22页 |
| 2.4.5 传感器噪声模型 | 第22页 |
| 2.4.6 机器人运动模型 | 第22-24页 |
| 2.5 本章小结 | 第24-25页 |
| 第3章 移动机器人同时定位与地图构建研究 | 第25-34页 |
| 3.1 引言 | 第25页 |
| 3.2 背景知识 | 第25-28页 |
| 3.2.1 SLAM问题 | 第25-26页 |
| 3.2.2 EKF-SLAM原理分析 | 第26-27页 |
| 3.2.3 系统模型 | 第27页 |
| 3.2.4 状态估计过程 | 第27-28页 |
| 3.2.5 Levenberg-Marquardt方法 | 第28页 |
| 3.3 EKF-SLAM算法改进 | 第28-30页 |
| 3.3.1 Levenberg-Marquardt优化方法 | 第28-30页 |
| 3.4 实验数据对比与分析 | 第30-33页 |
| 3.5 本章小结 | 第33-34页 |
| 第4章 混合环境下移动机器人路径规划研究 | 第34-57页 |
| 4.1 引言 | 第34页 |
| 4.2 问题描述和解决方法 | 第34-40页 |
| 4.2.1 环境模型的建立 | 第35-36页 |
| 4.2.2 粒子群算法 | 第36-37页 |
| 4.2.3 移动机器人路径规划的粒子描述 | 第37-38页 |
| 4.2.4 动态窗口法 | 第38-40页 |
| 4.3 优化移动机器人全局路径 | 第40-50页 |
| 4.3.1 传统粒子群全局路径规划 | 第41-45页 |
| 4.3.2 改进粒子群全局路径规划 | 第45-50页 |
| 4.3.3 原始粒子群与改进粒子群仿真结果对比分析 | 第50页 |
| 4.4 移动机器人局部路径规划 | 第50-51页 |
| 4.4.1 跟踪全局路径 | 第50-51页 |
| 4.4.2 动态窗口避碰 | 第51页 |
| 4.4.3 目标制导 | 第51页 |
| 4.5 路径规划仿真与实验 | 第51-56页 |
| 4.5.1 仿真实验 | 第51-54页 |
| 4.5.2 实验 | 第54-56页 |
| 4.6 本章小总结 | 第56-57页 |
| 第5章 结论 | 第57-59页 |
| 参考文献 | 第59-63页 |
| 在学研究成果 | 第63-64页 |
| 致谢 | 第64页 |
