智能家居环境中基于移动机器人的目标搜索
| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| Abstract | 第7页 |
| 1 绪论 | 第13-18页 |
| 1.1 课题背景 | 第13-14页 |
| 1.2 研究现状分析 | 第14-16页 |
| 1.2.1 移动机器人环境感知研究现状 | 第14-15页 |
| 1.2.2 移动机器人路径规划研究现状 | 第15-16页 |
| 1.3 研究内容与论文结构 | 第16-18页 |
| 2 移动机器人软硬件平台搭建 | 第18-35页 |
| 2.1 移动机器人搭载硬件平台 | 第18-20页 |
| 2.2 移动机器人ROS软件平台 | 第20-23页 |
| 2.2.1 开源机器人操作系统ROS | 第20-22页 |
| 2.2.2 ROS平台下的关键功能程序包 | 第22-23页 |
| 2.3 移动机器人基础功能实现 | 第23-32页 |
| 2.3.1 机器人运动控制 | 第24-25页 |
| 2.3.2 SLAM解决方案 | 第25-26页 |
| 2.3.3 自主定位与坐标校准 | 第26-29页 |
| 2.3.4 机器人导航与避障 | 第29-32页 |
| 2.4 面向智能家居的机器人通讯系统 | 第32-34页 |
| 2.5 本章小结 | 第34-35页 |
| 3 基于移动机器人的目标搜索的算法设计 | 第35-57页 |
| 3.1 问题描述与算法框架 | 第35-36页 |
| 3.2 单元分割法处理室内环境栅格地图 | 第36-38页 |
| 3.3 遗传算法规划最优的区域间转移序列 | 第38-44页 |
| 3.3.1 遗传算法简介 | 第39-40页 |
| 3.3.2 遗传算法的改进 | 第40-43页 |
| 3.3.3 遗传算法的编程实现 | 第43-44页 |
| 3.4 A~*算法进行两点之间的导航规划 | 第44-50页 |
| 3.4.1 A~*搜索算法简介 | 第45-46页 |
| 3.4.2 路径平滑方法改进A~*算法 | 第46-49页 |
| 3.4.3 A~*搜索算法的编程实现 | 第49-50页 |
| 3.5 基于深度学习的目标识别 | 第50-52页 |
| 3.6 有无先验信息的搜索策略差异 | 第52-55页 |
| 3.7 本章小结 | 第55-57页 |
| 4 移动机器人目标搜索算法的仿真与实验 | 第57-67页 |
| 4.1 实验参数和性能指标 | 第57-59页 |
| 4.2 无先验信息情况下的算法仿真 | 第59页 |
| 4.3 有先验信息情况下的算法仿真 | 第59-62页 |
| 4.4 移动机器人目标搜索的实验与结果分析 | 第62-65页 |
| 4.4.1 无先验信息情况下的目标搜索实验 | 第63-64页 |
| 4.4.2 有先验信息情况下的目标搜索实验 | 第64-65页 |
| 4.5 本章小结 | 第65-67页 |
| 5 总结与展望 | 第67-69页 |
| 5.1 本文工作总结 | 第67-68页 |
| 5.2 未来工作展望 | 第68-69页 |
| 参考文献 | 第69-73页 |
| 攻读硕士学位期间的主要成果 | 第73页 |
