移动机器人自主导航培训课程
培训对象
机器人算法工程师、自动驾驶研发人员、智能物流/服务机器人开发者、需要掌握导航定位技术的研发人员。
培训目标
-
理解移动机器人自主导航的核心模块（定位、建图、路径规划、运动控制）。
-
掌握SLAM（同步定位与地图构建）的基本原理与常用算法（Gmapping、Hector、Cartographer）。
-
能够独立完成基于ROS/ROS2的移动机器人导航系统搭建与调试。
培训内容介绍
-
自主导航概述：自主导航的定义与关键技术模块；导航系统的架构（感知→定位→建图→规划→控制）；移动机器人的运动机构（轮式、履带式、腿式）对导航的影响。
-
机器人运动学模型：轮式机器人构型（差分驱动、阿克曼转向、全向轮）；Car-Like小车运动学模型；Tank-Like小车运动学模型；运动控制中的误差分析。
-
传感器与感知：激光雷达（2D/3D）的工作原理与点云数据处理；深度相机（RGB-D）的测距原理；IMU（惯性测量单元）的姿态解算；里程计（轮式编码器）的航迹推算；多传感器融合的必要性。
-
三维刚体运动描述：旋转矩阵、欧拉角、四元数的表示与转换；坐标变换的数学基础；刚体运动的李群李代数基础；贝叶斯滤波框架。
-
同步定位与建图（SLAM）概述：SLAM问题的数学描述；SLAM的难点（数据关联、累积误差、回环检测）；滤波SLAM与图优化SLAM的对比；主流SLAM算法综述。
-
2D激光SLAM：Gmapping算法的原理（粒子滤波+激光雷达）；Hector SLAM的特点（无需里程计、依赖高帧率激光）；Cartographer的图优化框架（子地图、回环检测）；2D SLAM的工程实践与调参。
-
视觉SLAM：视觉SLAM的基本框架（前端视觉里程计、后端优化、回环检测、建图）；ORB-SLAM系列算法介绍；特征点法与直接法的对比；RGB-D SLAM的实现。
-
地图表示方法：占据栅格地图（Occupancy Grid Map）的原理；概率地图的更新方法；八叉树地图（OctoMap）用于3D环境表示；拓扑地图与语义地图简介。
-
机器人定位：蒙特卡洛定位（MCL）的原理（粒子滤波）；自适应蒙特卡洛定位（AMCL）的实现；定位中的绑架问题（Kidnapped Robot Problem）；基于卡尔曼滤波的定位方法。
-
全局路径规划：图搜索算法（Dijkstra、A*）的原理与实现；RRT（快速扩展随机树）及其变种；路径规划的约束条件（路径最短、能量最优、安全避障）；ROS中的全局规划器（Navfn、Global Planner）。
-
局部路径规划：动态窗口法（DWA）的原理（速度空间搜索、评价函数）；时间弹性带（TEB）算法的特点；局部规划器的避障能力；ROS中的局部规划器（dwa_local_planner、teb_local_planner）。
-
综合实战项目：基于ROS2 Nav2的移动机器人自主导航系统搭建，包含机器人模型配置、传感器驱动集成、SLAM建图、定位配置、全局/局部路径规划参数调优与实车验证。
如果您想学习本课程，请
预约报名
如果没找到合适的课程或有特殊培训需求，请
订制培训
除培训外，同时提供相关技术咨询与技术支持服务，有需求请发需求表到邮箱soft@info-soft.cn,或致电4007991916
技术服务需求表下载请点击
服务优势：
丰富专家资源，精准匹配相关行业，相关项目技术精英，面向用户实际需求，针对性培训或咨询，互动式交流，案例教学，精品小班，实际工程项目经验分享，快捷高效，节省时间与金钱，少走弯路与错路。
专家力量：
中国科学院相关研究所高级研究人员
西门子，TI,vmware，MSC,Ansys，MDI，Mentor, candence,Altium,Atmel 、Freescale,达索，华为等
大型公司高级工程师，项目经理，技术支持专家
中科信软培训中心，资深专家或讲师
大多名牌大学，硕士以上学历，相关学历背景专业，理论素养高
多年实际项目实践，大型复杂项目实战案例分享，热情，乐于技术分享
针对客户实际需要，真实案例演示，互动式沟通，学有所值
