全文总字数：5190字
文献综述
同步定位与地图构建(SLAM)是指运动物体根据传感器的信息，在计算自身位置的同时构建环境地图的过程，用以解决物体在未知环境下运动时的定位与地图构建问题。SLAM已成为近年来机器人领域的热点研究问题，并被认为是实现真正自主机器人的核心环节[1]。对于已知环境中的机器人自主定位和机器人位置的地图创建已经有了一些实用的解决方法[2][3]。然而在很多环境中机器人不能利用全局定位系统进行定位，而且事先获取机器人的工作环境的地图很困难，甚至是不可能的。这时机器人需要在自身位置不确定的条件下，在完全未知环境中创建地图，同时利用地图进行自主定位和导航[4]。
ROS操作系统包含众多机器人功能包，由于其开源性，我们可以自由查看其中的源代码，这给我们的学习研究提供了很大的帮助。本文选用ROS作为移动机器人SLAM的软件平台。对于移动机器人SLAM，ROS提供了一个名为slam_gmapping的功能包，它是根据OpenSlam网站的软件包GMapping而建立的节点。GMapping是一个基于Rao_Blackwellized粒子滤波从激光传感器获得数据建立非常有效的2D栅格地图的软件包。它包含了实现移动机器人SLAM功能需要用到的大部分功能模块，这些功能模块都使用了一些相对简单的算法进行事例实现，这为我们的工作提供了很好的框架平台和参考范本，我们所做的工作就是将其中的功能模块的实现算法换成我们自己的实现算法，同时要修改相关的配置文件和参数以实现各个功能模块之间的信息交互。
- 国内外研究现状
目前地图创建的方法很多[5]，大致可以归为三类：栅格表示法[6]、几何信息表示法、拓扑图表示法[7]。
1.1基于栅格的地图表示法
将整个环境分为若干大小的栅格，仅仅决定每个栅格是空还是障碍物，对环境的其他特征不感兴趣。栅格地图很容易创建和维护，机器人所了解的每个栅格信息直接与环境中某区域对应，栅格地图的更新满足贝叶斯规则。这种方法最早由Elfes和Moravec提出，而后Elfes进行了进一步的研究。它的优点在于创建和维护容易，尽量的保留了整个环境的各种信息，同时借助于该地图，可以方便地进行自定位和路径规划。
1.2基于几何尺度的地图表示法
指机器人收集对环境的感知，提取更为抽象的几何特例如线段或曲线，或可以建模的对象进行描述。该表示法较为紧凑，便于位置估计和目标识别，能够将室内环境定义为面、角、边的集合或者墙、走廊、门、房间等；对于室外的环境，可以用点特征来表示环境中路标特征。几何方法利用卡尔曼滤波在局部区域内可获得较高精度，且计算量小。
以上是毕业论文文献综述，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
