| 摘要 | 第6-7页 |
| ABSTRACT | 第7-8页 |
| 第1章 绪论 | 第13-21页 |
| 1.1 课题研究背景及意义 | 第13-14页 |
| 1.2 国内外研究现状及发展趋势 | 第14-17页 |
| 1.2.1 研究现状 | 第14-15页 |
| 1.2.2 发展趋势 | 第15-17页 |
| 1.3 SLAM详解 | 第17-19页 |
| 1.4 论文主要内容和结构 | 第19-21页 |
| 第2章 基于滤波器的SLAM算法研究 | 第21-35页 |
| 2.1 滤波器SLAM系统结构 | 第21-25页 |
| 2.1.1 滤波器SLAM描述 | 第21-22页 |
| 2.1.2 基于滤波器SLAM概率模型 | 第22-23页 |
| 2.1.3 机器人运动模型 | 第23-24页 |
| 2.1.4 激光雷达坐标变换 | 第24页 |
| 2.1.5 激光雷达观测模型 | 第24-25页 |
| 2.2 基于扩展卡尔曼滤波的EKF-SLAM | 第25-29页 |
| 2.2.1 卡尔曼滤波与扩展卡尔曼滤波 | 第25-27页 |
| 2.2.2 基于点特征的EKF-SLAM | 第27-29页 |
| 2.3 基于粒子滤波的FASTSLAM | 第29-32页 |
| 2.3.1 粒子滤波器 | 第29-30页 |
| 2.3.2 FastSLAM | 第30-32页 |
| 2.4 EKFSLAM和FSATSLAM在MATLAB中的仿真 | 第32-34页 |
| 2.5 本章小结 | 第34-35页 |
| 第3章 基于图优化的三维SLAM算法研究 | 第35-49页 |
| 3.1 基于KINECT的图优化SLAM算法简述 | 第35-36页 |
| 3.2 特征点提取 | 第36-38页 |
| 3.3 特征匹配 | 第38-40页 |
| 3.4 运动变换估计 | 第40-41页 |
| 3.5 运动变换优化 | 第41页 |
| 3.6 位姿图构建 | 第41-43页 |
| 3.7 闭环检测 | 第43-44页 |
| 3.8 位姿图优化 | 第44-46页 |
| 3.9 点云拼接 | 第46-47页 |
| 3.10 本章小结 | 第47-49页 |
| 第4章 激光雷达和KINECT数据融合研究 | 第49-57页 |
| 4.1 地图层面的融合 | 第49-51页 |
| 4.1.1 坎尼边缘检测法 | 第49-50页 |
| 4.1.2 基于边缘扩展相位相关法 | 第50-51页 |
| 4.2 数据层面的融合 | 第51-55页 |
| 4.2.1 线段特征SLAM | 第51-54页 |
| 4.2.2 三维点云二维化 | 第54页 |
| 4.2.3 线段部分融合 | 第54-55页 |
| 4.3 本章小结 | 第55-57页 |
| 第5章 导盲机器人混合路径规划方法 | 第57-63页 |
| 5.1 全局路径规划 | 第57-59页 |
| 5.2 动态局部避障 | 第59-61页 |
| 5.3 混合路径规划 | 第61-62页 |
| 5.4 本章小结 | 第62-63页 |
| 第6章 导盲机器人室内实验分析 | 第63-81页 |
| 6.1 实验平台和系统简介 | 第63-64页 |
| 6.1.1 Turtlebot实验平台 | 第63页 |
| 6.1.2 ROS机器人操作系统 | 第63-64页 |
| 6.2 滤波器SLAM实验 | 第64-66页 |
| 6.2.1 激光雷达传感器分析 | 第64-65页 |
| 6.2.2 基于激光雷达的室内二维SLAM实验 | 第65-66页 |
| 6.3 图优化SLAM实验 | 第66-75页 |
| 6.3.1 Kinect传感器分析 | 第66-68页 |
| 6.3.2 Kinect for Windows | 第68-71页 |
| 6.3.3 Kinect for Linux | 第71-72页 |
| 6.3.4 特征提取与匹配 | 第72-73页 |
| 6.3.5 基于Kinect的室内三维SLAM实验 | 第73-75页 |
| 6.4 数据融合实验 | 第75-77页 |
| 6.5 自主导航实验 | 第77-79页 |
| 6.5.1 绕行固定障碍物 | 第77页 |
| 6.5.2 动态实时避障 | 第77-79页 |
| 6.6 本章小结 | 第79-81页 |
| 总结与展望 | 第81-83页 |
| 参考文献 | 第83-87页 |
| 攻读硕士学位期间取得的研究成果 | 第87-89页 |
| 致谢 | 第89页 |