| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 1 绪论 | 第12-30页 |
| 1.1 研究背景和意义 | 第12-13页 |
| 1.2 移动机器人研究概况 | 第13-18页 |
| 1.2.1 移动机器人简介 | 第13页 |
| 1.2.2 移动机器人分类 | 第13-16页 |
| 1.2.3 移动机器人人机交互 | 第16-17页 |
| 1.2.4 移动机器人发展趋势 | 第17-18页 |
| 1.3 移动机器人定位和地图模型 | 第18-19页 |
| 1.3.1 定位技术 | 第18页 |
| 1.3.2 地图模型 | 第18-19页 |
| 1.4 同时定位与地图创建 | 第19-23页 |
| 1.4.1 SLAM技术与传感器 | 第19-20页 |
| 1.4.2 SLAM技术发展历程 | 第20-21页 |
| 1.4.3 SLAM问题解决方案 | 第21-22页 |
| 1.4.4 SLAM研究的基础问题 | 第22页 |
| 1.4.5 SLAM问题未来研究趋势 | 第22-23页 |
| 1.5 移动机器人路径规划 | 第23-27页 |
| 1.5.1 全局路径规划 | 第23-25页 |
| 1.5.2 局部路径规划 | 第25-26页 |
| 1.5.3 路径规划技术的发展趋势 | 第26-27页 |
| 1.6 论文结构和创新点 | 第27-30页 |
| 1.6.1 本文内容安排 | 第27-28页 |
| 1.6.2 本文主要创新点 | 第28-30页 |
| 2 基于卡尔曼滤波的同时定位与地图创建算法研究 | 第30-48页 |
| 2.1 引言 | 第30-31页 |
| 2.2 SLAM问题描述 | 第31页 |
| 2.3 移动机器人运动和观测模型 | 第31-34页 |
| 2.3.1 移动机器人坐标系统 | 第31-32页 |
| 2.3.2 运动模型 | 第32-33页 |
| 2.3.3 环境地图和传感器观测模型 | 第33-34页 |
| 2.3.4 简化仿真模型 | 第34页 |
| 2.4 SLAM中常用卡尔曼滤波器 | 第34-36页 |
| 2.4.1 扩展卡尔曼滤波 | 第34-35页 |
| 2.4.2 无迹卡尔曼滤波 | 第35-36页 |
| 2.5 抗外部干扰的卡尔曼滤波SLAM算法 | 第36-40页 |
| 2.5.1 算法设计思路 | 第37页 |
| 2.5.2 干扰检测和状态方差膨胀 | 第37-38页 |
| 2.5.3 算法流程 | 第38-40页 |
| 2.6 仿真实验结果及分析 | 第40-46页 |
| 2.7 本章小结 | 第46-48页 |
| 3 基于粒子滤波的同时定位与地图创建算法研究 | 第48-80页 |
| 3.1 引言 | 第48页 |
| 3.2 FastSLAM 2.0算法 | 第48-51页 |
| 3.3 基于DFC&ASD-PSO的FastSLAM算法 | 第51-68页 |
| 3.3.1 错误先验知识对FastSLAM算法的影响 | 第51-52页 |
| 3.3.2 Q_t和R_t调整的适应度函数 | 第52-53页 |
| 3.3.3 DFC&ASD-PSO | 第53-56页 |
| 3.3.4 Q_t和R_t调整的流程 | 第56-58页 |
| 3.3.5 用于Q_t和R_t调整粒子的运动和观测模型 | 第58-59页 |
| 3.3.6 算法流程 | 第59页 |
| 3.3.7 仿真实验结果及分析 | 第59-66页 |
| 3.3.8 实验结果及分析 | 第66-68页 |
| 3.4 基于SR-UKF和改进遗传重采样的FastSLAM算法 | 第68-78页 |
| 3.4.1 SR-UKF算法 | 第69-70页 |
| 3.4.2 基于双赌轮选择和快速MH变异的遗传重采样 | 第70-72页 |
| 3.4.3 算法流程 | 第72-73页 |
| 3.4.4 仿真实验结果及分析 | 第73-76页 |
| 3.4.5 实验结果及分析 | 第76-78页 |
| 3.5 本章小结 | 第78-80页 |
| 4 全局路径规划算法研究 | 第80-104页 |
| 4.1 引言 | 第80页 |
| 4.2 全局路径规划 | 第80-83页 |
| 4.2.1 路径规划问题描述 | 第80-81页 |
| 4.2.2 可视图理论 | 第81-83页 |
| 4.2.3 A~*算法 | 第83页 |
| 4.3 同步可视图构造和路径搜索 | 第83-92页 |
| 4.3.1 算法设计思路 | 第83-85页 |
| 4.3.2 算法流程 | 第85-89页 |
| 4.3.3 算法性能分析 | 第89-92页 |
| 4.4 仿真实验结果及分析 | 第92-102页 |
| 4.5 实验结果及分析 | 第102-103页 |
| 4.6 本章小结 | 第103-104页 |
| 5 局部路径规划算法研究 | 第104-118页 |
| 5.1 引言 | 第104页 |
| 5.2 基于三次B样条曲线和粒子群优化的改进可视图算法 | 第104-117页 |
| 5.2.1 多边形动态生成 | 第105-109页 |
| 5.2.2 基于SVGA算法的路径搜索 | 第109-110页 |
| 5.2.3 基于三次B样条曲线和粒子群优化的路径平滑 | 第110-111页 |
| 5.2.4 算法流程 | 第111-112页 |
| 5.2.5 仿真实验结果及分析 | 第112-115页 |
| 5.2.6 人机交互导航平台实验 | 第115-117页 |
| 5.3 本章小结 | 第117-118页 |
| 6 总结与展望 | 第118-121页 |
| 6.1 研究工作总结 | 第118-119页 |
| 6.2 研究工作展望 | 第119-121页 |
| 致谢 | 第121-122页 |
| 参考文献 | 第122-134页 |
| 附录 | 第134-135页 |
