| 致谢 | 第6-7页 |
| 摘要 | 第7-8页 |
| abstract | 第8-9页 |
| 变量注释表 | 第19-20页 |
| 1 绪论 | 第20-28页 |
| 1.1 研究背景及研究意义 | 第20-21页 |
| 1.2 国内外研究现状 | 第21-26页 |
| 1.3 论文研究内容及结构安排 | 第26-28页 |
| 2 SLAM技术的数学模型 | 第28-34页 |
| 2.1 SLAM的理论概述 | 第28-29页 |
| 2.2 SLAM的流程 | 第29-30页 |
| 2.3 SLAM系统模型 | 第30-33页 |
| 2.4 本章小结 | 第33-34页 |
| 3 移动机器人的SLAM技术研究 | 第34-48页 |
| 3.1 卡尔曼滤波原理 | 第34-36页 |
| 3.2 扩展卡尔曼滤波器的原理 | 第36-42页 |
| 3.3 仿真实验与结论 | 第42-46页 |
| 3.4 本章小结 | 第46-48页 |
| 4 移动机器人的路径规划算法研究 | 第48-70页 |
| 4.1 Dijkstra算法和A*算法路径规划研究 | 第48-55页 |
| 4.2 基于模拟退火算法的路径规划优化研究 | 第55-61页 |
| 4.3 人工势场法路径规划研究 | 第61-68页 |
| 4.4 本章小结 | 第68-70页 |
| 5 机器人模型及仿真环境创建 | 第70-82页 |
| 5.1 移动机器人的软件平台 | 第70-73页 |
| 5.2 URDF机器人建模 | 第73-74页 |
| 5.3 机器人URDF模型的优化 | 第74-79页 |
| 5.4 本章小结 | 第79-82页 |
| 6 SLAM与自主导航实验 | 第82-102页 |
| 6.1 机器人进行SLAM建图的必备条件 | 第82-85页 |
| 6.2 基于Gmapping算法的仿真实验 | 第85-90页 |
| 6.3 Hector_SLAM算法的仿真实验 | 第90-94页 |
| 6.4 基于move_base的导航实验 | 第94-100页 |
| 6.5 本章小结 | 第100-102页 |
| 7 总结与展望 | 第102-103页 |
| 7.1 结论 | 第102页 |
| 7.2 展望 | 第102-103页 |
| 参考文献 | 第103-108页 |
| 作者简历 | 第108-112页 |
| 学位论文数据集 | 第112页 |