移动机器人SLAM与路径规划方法研究
摘要 | 第4-6页 |
ABSTRACT | 第6-7页 |
第一章 绪论 | 第11-20页 |
1.1 课题研究背景 | 第11-14页 |
1.1.1 移动机器人在物流领域的应用 | 第11-12页 |
1.1.2 自主移动机器人的研究背景 | 第12-14页 |
1.2 国内外研究现状 | 第14-17页 |
1.2.1 移动机器人研究现状 | 第14-15页 |
1.2.2 SLAM研究现状 | 第15-16页 |
1.2.3 路径规划研究现状 | 第16-17页 |
1.3 课题研究目的 | 第17-18页 |
1.4 课题研究内容 | 第18-20页 |
第二章 自主导航相关问题及系统模型研究 | 第20-29页 |
2.1 引言 | 第20页 |
2.2 移动机器人导航相关问题 | 第20-24页 |
2.2.1 机器人定位 | 第21-22页 |
2.2.2 环境地图的表示 | 第22-23页 |
2.2.3 同时定位与地图构建 | 第23-24页 |
2.2.4 路径规划 | 第24页 |
2.3 移动机器人系统模型的建立 | 第24-27页 |
2.3.1 坐标系统模型 | 第24-25页 |
2.3.2 运动及里程计模型 | 第25-26页 |
2.3.3 环境路标模型 | 第26-27页 |
2.3.4 传感器观测模型 | 第27页 |
2.4 本章小结 | 第27-29页 |
第三章 同时定位与地图构建方法研究 | 第29-43页 |
3.1 引言 | 第29-30页 |
3.2 同时定位与地图构建问题 | 第30-32页 |
3.2.1 SLAM问题数学描述 | 第30-31页 |
3.2.2 SLAM关键问题 | 第31-32页 |
3.3 EKF-SLAM算法 | 第32-36页 |
3.3.1 卡尔曼滤波器 | 第32-34页 |
3.3.2 基于卡尔曼滤波器的SLAM算法 | 第34-36页 |
3.4 FAST-SLAM算法 | 第36-40页 |
3.4.1 粒子滤波器 | 第36-37页 |
3.4.2 基于RBPF的FAST-SLAM算法 | 第37-40页 |
3.5 仿真结果与分析 | 第40-42页 |
3.6 本章小结 | 第42-43页 |
第四章 基于蜘蛛群居算法的全局路径规划方法研究 | 第43-58页 |
4.1 引言 | 第43-44页 |
4.2 环境模型 | 第44-45页 |
4.3 蜘蛛群居算法 | 第45-47页 |
4.3.1 设定初始值 | 第45页 |
4.3.2 雌性蜘蛛协作 | 第45-46页 |
4.3.3 雄性蜘蛛协作 | 第46页 |
4.3.4 雌、雄蜘蛛的交互 | 第46-47页 |
4.4 基于引力搜索和蜘蛛群居混合优化算法 | 第47-49页 |
4.4.1 自身调节因子改进 | 第47页 |
4.4.2 优化邻域搜索 | 第47-48页 |
4.4.3 优化全局搜索 | 第48页 |
4.4.4 引入引力搜索 | 第48-49页 |
4.5 改进的蜘蛛群居算法的函数评定 | 第49-53页 |
4.5.1 寻优步骤 | 第49页 |
4.5.2 测试函数 | 第49-50页 |
4.5.3 测试结果 | 第50-53页 |
4.6 蜘蛛群居混合优化算法的移动机器人路径规划 | 第53-54页 |
4.7 仿真实验及分析 | 第54-57页 |
4.8 本章小结 | 第57-58页 |
第五章 基于视觉的移动机器人综合实验 | 第58-73页 |
5.1 引言 | 第58页 |
5.2 实验软件平台 | 第58-60页 |
5.2.1 Ubuntu系统环境 | 第58-59页 |
5.2.2 开源机器人操作系统(ROS)及其优点 | 第59-60页 |
5.3 实验硬件平台 | 第60-62页 |
5.4 实验环境的配置 | 第62-63页 |
5.5 室内SLAM综合实验 | 第63-72页 |
5.5.1 特征匹配实验 | 第63-67页 |
5.5.2 点云拼接实验 | 第67页 |
5.5.3 基于视觉的室内同时定位与地图构建实验 | 第67-69页 |
5.5.4 自主导航实验 | 第69-72页 |
5.6 本章小结 | 第72-73页 |
第六章 总结与展望 | 第73-76页 |
6.1 总结 | 第73-74页 |
6.2 展望 | 第74-76页 |
参考文献 | 第76-80页 |
致谢 | 第80页 |