| 摘要 | 第4-6页 |
| ABSTRACT | 第6-8页 |
| 第一章 绪论 | 第12-24页 |
| 1.1 课题研究背景 | 第12-15页 |
| 1.1.1 移动机器人的研究背景 | 第12-14页 |
| 1.1.2 移动机器人在物流领域的应用 | 第14-15页 |
| 1.2 国内外研究现状 | 第15-21页 |
| 1.2.1 移动机器人研究现状 | 第15-17页 |
| 1.2.2 多传感器融合技术研究现状 | 第17-19页 |
| 1.2.3 移动机器人建图与导航研究现状 | 第19-21页 |
| 1.3 课题研究目的 | 第21页 |
| 1.4 课题研究内容 | 第21-24页 |
| 第二章 移动机器人系统模型建立研究 | 第24-37页 |
| 2.1 引言 | 第24页 |
| 2.2 移动机器人系统模型的建立 | 第24-26页 |
| 2.2.1 坐标系系统 | 第24-25页 |
| 2.2.2 运动学模型 | 第25-26页 |
| 2.3 传感器模型 | 第26-34页 |
| 2.3.1 里程计模型 | 第26-28页 |
| 2.3.2 激光雷达模型 | 第28-29页 |
| 2.3.3 RGB-D相机模型 | 第29-31页 |
| 2.3.4 RGB-D相机标定 | 第31-34页 |
| 2.4 地图模型 | 第34-36页 |
| 2.4.1 栅格地图 | 第35页 |
| 2.4.2 拓扑地图 | 第35页 |
| 2.4.3 特征地图 | 第35-36页 |
| 2.5 本章小结 | 第36-37页 |
| 第三章 移动机器人地图构建算法研究 | 第37-55页 |
| 3.1 引言 | 第37页 |
| 3.2 同时定位与建图问题 | 第37-42页 |
| 3.2.1 SLAM问题的数学模型 | 第37-39页 |
| 3.2.2 SLAM是系统结构和关键问题 | 第39-42页 |
| 3.3 2D激光SLAM算法研究 | 第42-50页 |
| 3.3.1 Gmappig-SLAM算法 | 第42-45页 |
| 3.3.2 Hector-SLAM算法 | 第45-48页 |
| 3.3.3 Cartographer-SLAM算法 | 第48-50页 |
| 3.4 仿真实验验证与分析 | 第50-54页 |
| 3.4.1 三种SLAM算法仿真实验 | 第50-53页 |
| 3.4.2 三种SLAM算法比较分析 | 第53-54页 |
| 3.5 本章小结 | 第54-55页 |
| 第四章 多传感器融合方案研究 | 第55-77页 |
| 4.1 引言 | 第55页 |
| 4.2 多传感器融合技术介绍 | 第55-57页 |
| 4.2.1 多传感器融合的优点 | 第55-56页 |
| 4.2.2 多传感器融合的方法 | 第56-57页 |
| 4.2.3 多传感器融合的分类 | 第57页 |
| 4.3 多传感器融合研究方案设计 | 第57-71页 |
| 4.3.1 多传感器融合方案 | 第57-60页 |
| 4.3.2 多传感器融合流程 | 第60-62页 |
| 4.3.3 深度图像转激光原理 | 第62-64页 |
| 4.3.4 数据预处理 | 第64-67页 |
| 4.3.5 基于贝叶斯的栅格地图融合 | 第67-71页 |
| 4.4 真实场景实验 | 第71-76页 |
| 4.4.1 传感器硬件架构设计 | 第71-72页 |
| 4.4.2 融合实验对比分析 | 第72-76页 |
| 4.5 本章小结 | 第76-77页 |
| 第五章 实验验证 | 第77-90页 |
| 5.1 引言 | 第77页 |
| 5.2 实验平台介绍 | 第77-81页 |
| 5.2.1 实验硬件平台 | 第77-78页 |
| 5.2.2 实验软件平台 | 第78-81页 |
| 5.3 复杂场景下多传感器融合建图实验 | 第81-88页 |
| 5.3.1 实验环境介绍 | 第81-82页 |
| 5.3.2 传感器数据获取 | 第82-84页 |
| 5.3.3 环境地图构建 | 第84-86页 |
| 5.3.4 实验结果分析 | 第86-88页 |
| 5.4 本章小结 | 第88-90页 |
| 第六章 总结与展望 | 第90-92页 |
| 6.1 总结 | 第90-91页 |
| 6.2 展望 | 第91-92页 |
| 参考文献 | 第92-97页 |
| 致谢 | 第97页 |