文 献 综 述
引言
随着科学技术的不断发展，与移动机器人相关的理论及应用已经成为热点，其中目前讨论度最高的莫过于智能车辆。智能车辆包含辅助驾驶、主动安全、以及自动驾驶等各个方面。从广义上来看，它是在网络环境下用计算机技术、信息技术和智能控制技术武装起来的汽车，或者可以说是有着汽车外壳兼顾汽车性能的移动机器人[1]。智能汽车集传感器探测技术、自动化技术、数据融合技术、传统机械设计与电子技术等前沿科技于一体，具有环境感知、导航规划、行为控制等功能[2]。其中，SLAM技术是智能车实现自主移动的关键。智能汽车导航必须解决的三个问题为“在哪里”，“去哪里”和“怎么去”[3]。只有解决了这三个问题，智能汽车才能完成导航、避障、路径规划等任务。离线的先验地图无法帮助机器人在未知的环境中进行定位，所以我们需要机器人能够在移动的同时完成对周围环境地图的构建和自身在环境中的定位[4]。另外，由于汽车的运动模型较为复杂，属于多输入多输出的非完整性系统，所以其跟踪控制也是一个重点[5]。
本文以全国大学生智能汽车竞赛为背景，完成基于ROS的激光导航智能车控制算法的研究与系统软件设计。该竞赛是以智能汽车为研究对象的创意性科技竞赛，是面向全国大学生的一种具有探索性工程实践活动。
国内外激光导航智能车发展现状
国外激光导航智能车发展现状
在无人驾驶方面，美、德、意等国都已经取得了很多成果，如美国卡耐基·梅隆大学研制的NavLab系列智能车辆，意大利帕尔马大学的ARGO试验车和德国联邦国防大学研制的VaMoRs-P系统等。商用的比较成功的有沃尔沃集团的自动驾驶卡车，该卡车可以完美融入由客户控制货物交付的整体运输解决方案，无需人工干预[6]。由Uber推出的无人驾驶汽车载客服务也已经成功在美国试行。
SLAM作为智能汽车的一项核心技术，目前也取得了丰富的研究成果。自1987年Smith·Self和Cheeseman等人率先提出SLAM以来，在这方面的研究已经进行了三十多年。在这期间应用在SLAM上的传感器由最初的声呐、后来的激光传感器，发展到现在的深度相机。目前SLAM技术的发展呈现出多种传感器融合的趋势[7]，算法也逐渐由最初的基于滤波器的算法转向于基于优化的算法，性能不断提高。近年来，SLAM研究的热点问题主要集中于最优估计算法设计问题、精确数据融合问题以及传感器数据处理精度问题[8]。
国内激光导航智能车研究现状
我国在移动机器人领域的研究起步较晚，目前主要集中在高校和科研院所[9]。早期最有代表性的成果是由我国有关部委“八五”和“九五”计划支持的“军用地面机器人”（ATB）系列。由南京理工大学、北京理工大学、清华大学、浙江大学和国防科技大学等联合研制的ATB-1无人驾驶车辆，能够在结构化及非结构化的野外道路上自主行驶、跟踪道路、避障、越野以及岔路拐弯。
近年来我国在机器人领域投入研发力度越来越大，积累了很多宝贵的研究经验。在SLAM方面，哈尔滨工业大学的洪炳熔、历茂海等人在Rao-Blackwellized粒子滤波的基础上提出了结合自适应的重采样方法[10]；张文玲等采用自适应SLAM算法实现了机器人在运动过程中进行自身定位和建立环境地图[11]。
目前，我国的自主汽车企业和互联网企业也开始涉足无人驾驶领域。一汽、奇瑞、上汽、广汽、比亚迪等汽车公司都与高校、研究所等展开了合作，旨在推进国内无人驾驶的发展。互联网公司的研究中也有了比较成功的案例，如百度于2017推出的阿波罗自动驾驶平台。百度目前已经建立了上到云端服务及开源软件，下至参考硬件与车辆平台的强大技术框架和完善生态体系。
基于ROS的激光导航智能车主要涉及的技术
ROS 系统
ROS（Robert Operation System）是由斯坦福大学人工智能实验室的Switchyard项目衍生而来的。ROS寄生在Ubuntu（Linux）系统上[12]，可以提供类似于操作系统的服务，如底层硬件抽象、进程间消息通信和程序包管理等。ROS经历了近12年的发展，现在已经成为最通用的机器人开发平台。ROS的出现使得研发过程中的代码复用率得以提高，极大地精简了机器人项目的开发流程，缩短了开发周期，提高了代码的可移植性。
激光SLAM
同时定位与地图构建（SLAM）是指机器人搭载视觉、激光、里程计等传感器，在对未知环境构建地图的同时实现自定位的过程，在机器人自主导航任务中起着关键作用。
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。
