文献综述
1 、研究背景和意义伴随着国内外计算机技术和人工智能的快速发展，机器人相关领域也快速崛起，成为比较热门的发展行业，同时机器人的发展是时代的选择，也是各个国家重点投资和关注的行业。
在机器人的相关领域中，无人车是其中较为重要的组成部分，无人车也叫自动驾驶汽车，是汽车发展历史的一次突破，其依靠人工智能技术、视觉计算与雷达技术和定位系统等协同合作下实现智能安全无人操作地驾驶汽车。
无人车的核心技术为同时定位与地图创建（Simultaneous Localization and Mapping，SLAM）和导航技术，其中涉及传感器的感知、定位与路径规划等[1][2]。
在机器人的研究方向中，SLAM技术是重要研究方向，也是实现无人车自主移动的核心技术。
在移动机器人上安装相应传感器（例如激光雷达、视觉摄像头等），在移动的过程中，传感器实时获得周围的环境信息和自身位姿状态，无人车系统对感知的数据做一定的数据处理，最终在系统中创建周围环境的地图并建立自己的位置坐标信息。
目前激光SLAM技术和视觉SLAM技术是主流SLAM技术，不同之处就是激光SLAM是基于激光雷达来获取周围信息；而视觉SLAM则是基于深度相机来采集信息的；此外还有惯性测量单元。
使用不同的传感器也各有优缺点，基于激光雷达的SLAM技术具有测量精度高、测量范围大和速度快等特点[3][4]，也有安装有结构要求、受Lidar探测范围限制等不足；而基于深度相机的SLAM技术有信息量大，适用范围广等优点[5]，也存在运算负荷大，创建的地图难以直接运用与路径规划与导航中等缺点。
在已有的SLAM技术中，基于激光雷达的SLAM技术应用比较常见，基于深度摄像头的SLAM技术也有运用，但是他们中也存在不足之处[6],如：激光SLAM在动态变化大的环境中容易定位丢失；而视觉SLAM地图精度差等，而采用多传感器数据融合技术的SLAM技术不仅能实现不同传感器之间的优势互补[7]，还是目前研究的重点，本课题尝试以多传感器融合技术为基础，研究在此基础下提高SLAM技术的建图和导航能力，并落实到实际的小车上，综合运用激光雷达、深度摄像头和惯性测量单元等传感器融合数据，以达到较好的地图重建与路径规划系统，实现智能导航。
2、国内外研究现状及发展分析 SLAM 问题的研究起源于 1986 年的 IEEE Robotics and Automation Confe-rence 大会上。
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。
