| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 1 绪论 | 第10-19页 |
| 1.1 课题研究背景及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-17页 |
| 1.2.1 服务机器人研究现状 | 第11-13页 |
| 1.2.2 地图创建的研究现状 | 第13-14页 |
| 1.2.3 定位技术的研究现状 | 第14-17页 |
| 1.3 论文主要研究内容及结构安排 | 第17-18页 |
| 1.4 本章小结 | 第18-19页 |
| 2 相关知识背景 | 第19-41页 |
| 2.1 服务机器人介绍 | 第19-22页 |
| 2.2 贝叶斯滤波原理 | 第22-23页 |
| 2.3 卡尔曼滤波原理 | 第23-24页 |
| 2.4 扩展卡尔曼滤波原理 | 第24-26页 |
| 2.5 粒子滤波原理 | 第26-32页 |
| 2.5.1 贝叶斯重要性采样 | 第27-28页 |
| 2.5.2 序贯重要性采样 | 第28-32页 |
| 2.6 运动模型 | 第32-36页 |
| 2.7 观测模型 | 第36-40页 |
| 2.7.1 激光雷达的测距原理 | 第36页 |
| 2.7.2 概率感知模型 | 第36-40页 |
| 2.8 本章小结 | 第40-41页 |
| 3 基于粒子滤波的服务机器人地图创建 | 第41-62页 |
| 3.1 SLAM问题的定义 | 第41-42页 |
| 3.2 基于EKF的SLAM算法 | 第42-45页 |
| 3.3 基于Rao-Blackwellized粒子滤波器的SLAM算法 | 第45-48页 |
| 3.4 基于FastSLAM1.0改进的FastSLAM2.0算法 | 第48-51页 |
| 3.5 基于栅格地图的FastSLAM算法 | 第51-61页 |
| 3.5.1 栅格地图模型更新理论 | 第51-53页 |
| 3.5.2 基于栅格地图的FastSLAM算法 | 第53页 |
| 3.5.3 改进的基于栅格地图的FastSLAM算法 | 第53-56页 |
| 3.5.4 仿真实验结果分析 | 第56-58页 |
| 3.5.5 改进的基于栅格地图的FastSLAM算法在ROS上的实现. | 第58-61页 |
| 3.6 本章小结 | 第61-62页 |
| 4 基于粒子滤波的服务机器人定位 | 第62-77页 |
| 4.1 蒙特卡罗定位算法 | 第62-63页 |
| 4.2 增强型MCL算法 | 第63-65页 |
| 4.3 基于KLD采样的蒙特卡罗定位算法 | 第65-67页 |
| 4.4 动态环境下移动机器人定位 | 第67-76页 |
| 4.4.1 动态障碍物识别技术 | 第67-68页 |
| 4.4.2 数据滤波 | 第68页 |
| 4.4.3 障碍物点聚类 | 第68-70页 |
| 4.4.4 动态障碍物的判定与剔除 | 第70-72页 |
| 4.4.5 动态环境下定位仿真实验 | 第72-73页 |
| 4.4.6 动态环境下服务机器人定位在ROS上的实现 | 第73-76页 |
| 4.5 本章小结 | 第76-77页 |
| 5 真实环境实验 | 第77-88页 |
| 5.1 机器人操作系统ROS介绍 | 第77-78页 |
| 5.2 基于ROS的室内地图创建实验 | 第78-82页 |
| 5.2.1 地图创建 | 第78-79页 |
| 5.2.2 地图创建步骤 | 第79页 |
| 5.2.3 地图创建实验分析 | 第79-82页 |
| 5.3 基于ROS的定位实验 | 第82-87页 |
| 5.3.1 静态环境下的移动机器人定位 | 第82-85页 |
| 5.3.2 动态环境下的移动机器人定位 | 第85-87页 |
| 5.4 本章小结 | 第87-88页 |
| 结论 | 第88-90页 |
| 致谢 | 第90-91页 |
| 参考文献 | 第91-95页 |
| 攻读硕士学位期间发表的学术论文及研究成果 | 第95页 |
