| 1 绪论 | 第7-16页 |
| 1.1 引言 | 第7页 |
| 1.2 移动机器人的发展 | 第7-9页 |
| 1.2.1 国外移动机器人的发展 | 第7-8页 |
| 1.2.2 国内移动机器人的发展 | 第8-9页 |
| 1.3 移动机器人的定位与地图创建 | 第9-10页 |
| 1.4 移动机器人同时定位与地图创建 | 第10-13页 |
| 1.4.1 SLAM需要解决的问题 | 第10-11页 |
| 1.4.2 基于Kalman滤波的SLAM实现方法 | 第11页 |
| 1.4.3 提高SLAM的鲁棒性的方法 | 第11-12页 |
| 1.4.4 降低Kalman滤波实现的SLAM复杂度的方法 | 第12-13页 |
| 1.5 距离感知和检测传感器 | 第13-14页 |
| 1.6 本文主要研究内容 | 第14-16页 |
| 2.全区域覆盖移动机器人的导航系统总体设计 | 第16-30页 |
| 2.1 混合定位系统的设计 | 第16-17页 |
| 2.2 光电编码器——磁航向传感器组合定位 | 第17-19页 |
| 2.3 LMS激光雷达 | 第19-22页 |
| 2.4 激光雷达测量的误差分析 | 第22-25页 |
| 2.5 同时定位与地图创建的方案设计 | 第25-30页 |
| 2.5.1 全区域覆盖移动机器人的工作特点 | 第25-27页 |
| 2.5.2 同时定位与地图创建的导航方式 | 第27-28页 |
| 2.5.3 工作区域边界和特征地图的建立 | 第28-30页 |
| 3 基于激光雷达的同时定位与地图创建的实现 | 第30-58页 |
| 3.1 基于特征线的机器人定位 | 第30-31页 |
| 3.2 传感器模型建立和坐标变换 | 第31-32页 |
| 3.3 激光雷达扫描结果中特征线的识别 | 第32-37页 |
| 3.3.1 在极坐标中用任意两点确定一条直线 | 第32-34页 |
| 3.3.2 多点拟合的直线方程确定 | 第34-37页 |
| 3.3.3 特征线在全局地图中的表示 | 第37页 |
| 3.4 数据关联和特征线的跟踪与匹配 | 第37-45页 |
| 3.4.1 数据关联 | 第37-38页 |
| 3.4.2 门限过滤 | 第38-42页 |
| 3.4.3 关联矩阵 | 第42-44页 |
| 3.4.4 赋值策略 | 第44-45页 |
| 3.5 基于扩展卡尔曼滤波的运动过程定位 | 第45-52页 |
| 3.5.1 随机线性离散系统的Kalman滤波基本方程 | 第45-47页 |
| 3.5.2 随机非线性离散系统扩展Kalman滤波 | 第47-49页 |
| 3.5.3 扩展Kalman滤波在导航系统中的应用 | 第49-51页 |
| 3.5.4 扩展Kalman滤波仿真结果和分析 | 第51-52页 |
| 3.6 特征地图的创建和更新 | 第52-55页 |
| 3.7 边界建立过程中同时定位与地图创建的仿真 | 第55-58页 |
| 4.导航系统的硬件实现和接口 | 第58-68页 |
| 4.1 硬件系统的总体设计 | 第58-59页 |
| 4.2 LMS激光雷达与系统的连接 | 第59-67页 |
| 4.2.1 LMS激光雷达的电源 | 第59-61页 |
| 4.2.2 LMS激光雷达的高速串行通信 | 第61页 |
| 4.2.3 MOXA高速串行通信卡 | 第61-63页 |
| 4.2.4 LMS与PC的通信建立 | 第63-64页 |
| 4.2.5 LMS激光雷达的工作状态设定 | 第64-66页 |
| 4.2.6 PC从LMS221读取数据的过程 | 第66-67页 |
| 4.3 光电编码器——磁航向传感器组合的实现 | 第67-68页 |
| 5.结论 | 第68-70页 |
| 致谢 | 第70-71页 |
| 参考文献 | 第71-74页 |
