测绘地图的绘制论文提纲

论文题目：室内测绘机器人SLAM技术的研究与实现

摘要：近年来,随着人工智能在各个学科领域的广泛应用,机器人学实现了从理论到实际应用的一个飞跃。同步定位与建图（SLAM）算法作为机器人领域的重要研究方向,是机器人在未知环境下自主导航和完成复杂智能任务的基础,也是机器人的感知能力和智能水平的重要依据。测绘机器人是测绘行业新的发展方向,对实现测绘自动化、信息化、智能化具有十分重大的意义。由于信号遮挡等因素的影响,传统的GPS技术并不能进行室内定位测量,针对这一问题,本文自主设计测绘机器人系统,应用SLAM技术实现测绘机器人自主绘制二维室内地图和定位导航功能。主要研究内容如下:（1）通过在测绘机器人平台上搭载激光雷达、轮式里程计、IMU等传感器获取室内环境信息,分别利用Hector SLAM、Gmapping、Cartographer算法进行测绘机器人实时绘制室内地图实验。结果表明:三种算法均可实时有效地得到室内二维地图。相比较传统测量时间大大节省人力资源和时间成本。（2）通过对三种SLAM算法的对比分析,结果表明:Cartographer算法的测图精度明显优于Hector SLAM和Gmapping算法,测图精度到达5cm,能够满足基本的室内服务需求;同时因其具有闭环检测能力,使得Cartographer算法具有很好的鲁棒性。（3）本文创新性地采用深度学习方法来解决机器人定位问题,通过对机器人定位过程进行训练学习,采用FFNN及CNN神经网络模型得到机器人位姿信息。结果表明:神经网络进行机器人定位有效可行,同时表明了深度学习在机器人定位领域存在巨大潜力。

关键词：测绘机器人;同步定位与建图;Hector SLAM;Gmapping;Cartographer;机器人定位;深度学习

学科专业：测绘工程（专业学位）

摘要

abstract

1 绪论

1.1 研究背景与意义

1.1.1 室内测量机器人的研究背景与意义

1.1.2 SLAM技术的研究背景与意义

1.2 国内外研究现状

1.2.1 测绘机器人的国内外研究现状

1.2.2 SLAM技术的国内外研究现状

1.3 本文的关键技术

1.4 本文的主要研究内容

2 SLAM基本原理

2.1 地图的表达方式

2.1.1 栅格地图

2.1.2 几何特征地图

2.1.3 拓扑地图

2.2 SLAM算法理论

2.3 测绘机器人系统设计与构建

2.3.1 硬件元件

2.3.2 测绘机器人底盘设计

2.3.3 机器人操作系统ROS

2.3.4 数据获取与传输

2.4 本章小结

3 Hector SLAM算法

3.1 Hector SLAM系统概况

3.2 基于Hector SLAM的自主建图的算法

3.2.1 地图获取

3.2.2 扫描匹配

3.2.3 多分辨率地图表示

3.3 Hector SLAM算法实验

3.3.1 仿真实验

3.3.2 真实环境实验

3.4 本章小结

4 Gmapping SLAM算法

4.1 粒子滤波理论基础

4.2 RBPF算法

4.2.1 RBPF改进建议分布函数

4.2.2 RBPF自适应重采样

4.3 Gmapping算法实验

4.3.1 仿真实验

4.3.2 真实环境实验

4.4 本章小结

5 Cartographer算法

5.1 局部 2D SLAM问题

5.2 闭环检测

5.2.1SPA优化问题

5.2.2 分支定界扫描匹配（BBS）

5.3 Cartographer算法实验

5.3.1 仿真实验

5.3.2 真实环境实验

5.4 Cartographer和Hector SLAM、Gmapping算法的对比分析

5.4.1 仿真实验对比分析

5.4.2 真实环境实验对比分析

5.5 测绘机器人在项目中的应用

5.6 本章小节

6 测绘机器人定位与导航

6.1 自适应蒙特卡洛定位

6.1.1 自适应蒙特卡洛定位原理

6.1.2 实验与分析

6.2 基于神经网络的定位方法

6.2.1 基于前向反馈网络（FFNN）的定位方法

6.2.2 基于卷积神经网络（CNN）的定位方法

6.3 神经网络定位实验

6.3.1 训练数据集获取

6.3.2 基于神经网络的定位实验

6.4 本章小结

7 总结与展望

7.1 总结

7.2 创新点

7.3 展望

致谢

参考文献