| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第1章 绪论 | 第11-21页 |
| 1.1 课题研究背景及意义 | 第11-12页 |
| 1.2 移动机器人研究现状 | 第12-14页 |
| 1.2.1 国外移动机器人研究现状 | 第12-14页 |
| 1.2.2 国内移动机器人研究现状 | 第14页 |
| 1.3 定位与导航技术研究现状 | 第14-17页 |
| 1.3.1 SLAM技术的研究现状 | 第15-16页 |
| 1.3.2 机器人导航技术研究现状 | 第16-17页 |
| 1.4 机器人操作系统 | 第17-19页 |
| 1.4.1 ROS机器人操作系统 | 第17页 |
| 1.4.2 ROS在移动机器人中的应用 | 第17-19页 |
| 1.5 课题章节内容安排 | 第19-21页 |
| 第2章 移动机器人系统设计与建模 | 第21-29页 |
| 2.1 机器人系统的组成和功能 | 第21-22页 |
| 2.2 移动机器人系统建模 | 第22-27页 |
| 2.2.1 坐标系的建立 | 第22-23页 |
| 2.2.2 移动机器人模型 | 第23页 |
| 2.2.3 里程计模型 | 第23-25页 |
| 2.2.4 2D激光雷达模型 | 第25-27页 |
| 2.3 激光雷达数据处理 | 第27-28页 |
| 2.3.1 特征提取 | 第27-28页 |
| 2.3.2 扫描匹配 | 第28页 |
| 2.4 本章小结 | 第28-29页 |
| 第3章 基于粒子滤波FastSLAM算法分析 | 第29-47页 |
| 3.1 SLAM问题的描述 | 第29-30页 |
| 3.2 粒子滤波PF | 第30-36页 |
| 3.2.1 粒子滤波基本原理 | 第30-33页 |
| 3.2.2 粒子退化及重采样 | 第33-34页 |
| 3.2.3 经典粒子滤波(SIR) | 第34-35页 |
| 3.2.4 对比扩展卡尔曼滤波(EKF)算法 | 第35-36页 |
| 3.3 基于改进的粒子滤波FastSLAM算法设计 | 第36-46页 |
| 3.3.1 Rao-Blackwellized粒子滤波器 | 第36-37页 |
| 3.3.2 FastSLAM及其原理 | 第37-38页 |
| 3.3.3 基于自适应重采样的FastSLAM | 第38-39页 |
| 3.3.4 仿真实验 | 第39-46页 |
| 3.4 本章小结 | 第46-47页 |
| 第4章 移动机器人运动导航 | 第47-63页 |
| 4.1 基于ROS的导航框架 | 第47-49页 |
| 4.2 AMCL定位算法 | 第49-50页 |
| 4.3 全局路径规划算法 | 第50-55页 |
| 4.3.1 A*算法的介绍 | 第50-52页 |
| 4.3.2 Dijkstra最优路径算法 | 第52-54页 |
| 4.3.3 对比仿真实验 | 第54-55页 |
| 4.4 局部路径规划算法 | 第55-61页 |
| 4.4.1 DWA算法原理 | 第55-58页 |
| 4.4.2 DWA算法的改进 | 第58-60页 |
| 4.4.3 算法仿真实验 | 第60-61页 |
| 4.5 本章小结 | 第61-63页 |
| 第5章 移动机器人定位和导航实验验证 | 第63-79页 |
| 5.1 实验平台简介 | 第63-66页 |
| 5.1.1 移动机器人硬件平台 | 第63-64页 |
| 5.1.2 软件平台 | 第64页 |
| 5.1.3 ROS及主要工具介绍 | 第64-66页 |
| 5.2 软件控制界面的设计与实现 | 第66页 |
| 5.3 基于ROS的移动机器人SLAM和导航仿真实验 | 第66-76页 |
| 5.3.1 SLAM仿真实验 | 第67-70页 |
| 5.3.2 导航仿真实验 | 第70-76页 |
| 5.4 实际环境中移动机器人的SLAM实验 | 第76-77页 |
| 5.5 本章小结 | 第77-79页 |
| 结论 | 第79-81页 |
| 参考文献 | 第81-85页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第85-87页 |
| 致谢 | 第87页 |
