| 摘要 | 第6-8页 |
| ABSTRACT | 第8-10页 |
| 第一章 绪论 | 第13-25页 |
| 1.1 课题背景与研究意义 | 第13-14页 |
| 1.2 移动服务机器人国内外研究概况 | 第14-17页 |
| 1.2.1 移动服务机器人国外研究概况 | 第14-16页 |
| 1.2.2 移动服务机器人国内研究概况 | 第16-17页 |
| 1.3 移动服务机器人导航关键技术研究 | 第17-23页 |
| 1.3.1 环境感知技术 | 第18-21页 |
| 1.3.2 运动规划技术 | 第21-23页 |
| 1.4 研究内容和组织结构 | 第23-25页 |
| 第二章 移动服务机器人分层控制架构 | 第25-30页 |
| 2.1 引言 | 第25页 |
| 2.2 典型移动机器人系统体系结构 | 第25-28页 |
| 2.3 移动机器人分层控制架构 | 第28-29页 |
| 2.4 本章小结 | 第29-30页 |
| 第三章 移动服务机器人环境感知 | 第30-55页 |
| 3.1 引言 | 第30页 |
| 3.2 基于声纳与红外传感器的静态环境感知 | 第30-33页 |
| 3.2.1 静态环境感知传感器选择 | 第30-31页 |
| 3.2.2 声纳与红外PSD传感器工作原理 | 第31页 |
| 3.2.3 传感器精度测试试验 | 第31-33页 |
| 3.3 基于Kinect和Kalman滤波的动态环境感知 | 第33-48页 |
| 3.3.1 系统构成与坐标定义 | 第33-34页 |
| 3.3.2 基于Kinect的运动目标检测 | 第34-39页 |
| 3.3.3 测速方法 | 第39-42页 |
| 3.3.4 基于Kalman滤波的速度估计 | 第42-44页 |
| 3.3.5 测速试验与误差分析 | 第44-48页 |
| 3.4 基于多传感器信息融合技术的动静态环境感知 | 第48-54页 |
| 3.4.1 多传感器信息融合技术 | 第48-49页 |
| 3.4.2 基于模糊逻辑控制算法的动静态环境感知 | 第49-53页 |
| 3.4.3 动静态环境感知试验 | 第53-54页 |
| 3.5 本章小结 | 第54-55页 |
| 第四章 移动服务机器人运动规划 | 第55-73页 |
| 4.1 引言 | 第55页 |
| 4.2 基于改进Bug算法的静态环境运动规划 | 第55-56页 |
| 4.3 基于改进人工势场法的动态环境运动规划 | 第56-71页 |
| 4.3.1 传统人工势场法 | 第57-60页 |
| 4.3.2 改进人工势场法 | 第60-67页 |
| 4.3.3 改进人工势场法的实现步骤 | 第67-68页 |
| 4.3.4 动态环境下改进人工势场法仿真 | 第68-71页 |
| 4.4 基于融合Bug与APF的动静态环境运动规划 | 第71-72页 |
| 4.5 本章小结 | 第72-73页 |
| 第五章 移动服务机器人导航试验 | 第73-83页 |
| 5.1 引言 | 第73页 |
| 5.2 移动服务机器人硬件介绍 | 第73页 |
| 5.3 移动服务机器人控制软件介绍 | 第73-74页 |
| 5.4 动静态环境下移动服务机器人导航试验 | 第74-82页 |
| 5.4.1 试验任务 | 第74-76页 |
| 5.4.2 试验过程 | 第76-81页 |
| 5.4.3 试验结果及分析 | 第81-82页 |
| 5.5 本章小结 | 第82-83页 |
| 第六章 全文总结 | 第83-85页 |
| 6.1 主要工作 | 第83-84页 |
| 6.2 文章创新点 | 第84页 |
| 6.3 研究展望 | 第84-85页 |
| 参考文献 | 第85-91页 |
| 作者在攻读硕士学位期间公开发表的成果 | 第91-92页 |
| 作者在攻读硕士学位期间所作的项目 | 第92-93页 |
| 致谢 | 第93页 |