室内动态环境下基于粒子滤波的服务机器人定位

论文目录

摘要
abstract

1 绪论

1.1 课题研究背景及意义
1.2 国内外研究现状
1.2.1 服务机器人研究现状
1.2.2 地图创建的研究现状
1.2.3 定位技术的研究现状
1.3 论文主要研究内容及结构安排
1.4 本章小结

2 相关知识背景

2.1 服务机器人介绍
2.2 贝叶斯滤波原理
2.3 卡尔曼滤波原理
2.4 扩展卡尔曼滤波原理
2.5 粒子滤波原理
2.5.1 贝叶斯重要性采样
2.5.2 序贯重要性采样
2.6 运动模型
2.7 观测模型
2.7.1 激光雷达的测距原理
2.7.2 概率感知模型
2.8 本章小结

3 基于粒子滤波的服务机器人地图创建

3.1 SLAM问题的定义
3.2 基于EKF的SLAM算法
3.3 基于Rao-Blackwellized粒子滤波器的SLAM算法
3.4 基于FastSLAM1.0改进的FastSLAM2.0算法
3.5 基于栅格地图的FastSLAM算法
3.5.1 栅格地图模型更新理论
3.5.2 基于栅格地图的FastSLAM算法
3.5.3 改进的基于栅格地图的FastSLAM算法
3.5.4 仿真实验结果分析
3.5.5 改进的基于栅格地图的FastSLAM算法在ROS上的实现.
3.6 本章小结

4 基于粒子滤波的服务机器人定位

4.1 蒙特卡罗定位算法
4.2 增强型MCL算法
4.3 基于KLD采样的蒙特卡罗定位算法
4.4 动态环境下移动机器人定位
4.4.1 动态障碍物识别技术
4.4.2 数据滤波
4.4.3 障碍物点聚类
4.4.4 动态障碍物的判定与剔除
4.4.5 动态环境下定位仿真实验
4.4.6 动态环境下服务机器人定位在ROS上的实现
4.5 本章小结

5 真实环境实验

5.1 机器人操作系统ROS介绍
5.2 基于ROS的室内地图创建实验
5.2.1 地图创建
5.2.2 地图创建步骤
5.2.3 地图创建实验分析
5.3 基于ROS的定位实验
5.3.1 静态环境下的移动机器人定位
5.3.2 动态环境下的移动机器人定位
5.4 本章小结
结论
致谢
参考文献
攻读硕士学位期间发表的学术论文及研究成果

室内动态环境下基于粒子滤波的服务机器人定位-AGV吧
室内动态环境下基于粒子滤波的服务机器人定位
此内容为付费资源,请付费后查看
20积分
付费资源
© 版权声明
THE END
喜欢就支持一下吧
点赞6赞赏 分享
评论 抢沙发

请登录后发表评论

    暂无评论内容