基于粒子滤波的移动机器人SLAM算法研究

论文目录

摘要
Abstract

1 绪论

1.1 课题研究背景及意义
1.2 移动机器人的研究现状
1.2.1 国外现状
1.2.2 国内现状
1.3 即时定位与地图构建技术
1.3.1 SLAM研究意义
1.3.2 SLAM研究现状
1.3.3 SLAM的实现
1.3.4 SLAM的关键问题
1.4 本文的研究内容

2 移动机器人建模及SLAM经典算法

2.1 SLAM问题描述
2.2 移动机器人系统建模
2.2.1 运动模型
2.2.2 观测模型
2.2.3 噪声模型
2.2.4 环境特征模型
2.3 地图表示方法
2.4 实验平台及数据集
2.4.1 Tim Bailey实验平台
2.4.2 维多利亚公园数据集
2.5 EKF-SLAM算法
2.5.1 扩展卡尔曼滤波器
2.5.2 EKF-SLAM算法实现
2.6 Fast SLAM算法
2.6.1 粒子滤波器
2.6.2 Fast SLAM算法实现
2.7 仿真实验及结果分析
2.8 本章小结

3 基于强跟踪无迹卡尔曼滤波的Fast SLAM算法研究

3.1 强跟踪无迹粒子滤波
3.1.1 强跟踪滤波器
3.1.2 STUKF算法
3.1.3 STUPF算法
3.2 STUFast SLAM算法实现
3.3 仿真分析
3.4 本章小结

4 基于改进重采样的Fast SLAM算法研究

4.1 基于差分进化的Fast SLAM算法研究
4.1.1 基于差分进化的粒子优化
4.1.2 DE-Fast SLAM算法实现
4.1.3 仿真实验与分析
4.1.4 维多利亚公园数据集实验
4.2 基于优化组合重采样的Fast SLAM算法研究
4.2.1 基于优化组合的重采样算法
4.2.2 基于优化组合重采样的Fast SLAM算法实现
4.2.3 仿真实验与分析
4.2.4 维多利亚公园数据集实验
4.3 本章小结

5 基于QBot2平台的Fast SLAM实验

5.1 QBot2实验平台
5.1.1 Kobuki移动机器人平台
5.1.2 Kinect体感传感器
5.2 QBot2的软件组成
5.3 实验结果及分析
5.4 本章小结
结论
致谢
参考文献
攻读硕士研究生期间发表论文及科研情况