| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第10-17页 |
| 1.1 研究背景与意义 | 第10-11页 |
| 1.2 移动机器人的定位技术 | 第11-12页 |
| 1.3 移动机器人视觉技术研究现状 | 第12-13页 |
| 1.3.1 移动机器人视觉技术国外研究现状 | 第12-13页 |
| 1.3.2 移动机器人视觉技术国内研究现状 | 第13页 |
| 1.4 基于信息融合的移动机器人定位方法研究现状 | 第13-15页 |
| 1.5 论文提纲 | 第15-17页 |
| 第二章 移动机器人传感器信息处理与模型建立 | 第17-24页 |
| 2.1 机器人运动模型建立 | 第17-18页 |
| 2.2 移动机器人传感器信息处理以及运动模型建立 | 第18-22页 |
| 2.2.1 里程计运动模型建立 | 第18-20页 |
| 2.2.2 视觉传感器Kinect V2内部结构 | 第20-21页 |
| 2.2.3 基于张正友标定法的Kinect V2相机标定 | 第21-22页 |
| 2.3 ARTag先验信息处理 | 第22-23页 |
| 2.4 本章小结 | 第23-24页 |
| 第三章 基于视觉的移动机器人定位算法研究与分析 | 第24-39页 |
| 3.1 视觉SLAM算法框架 | 第24-25页 |
| 3.2 基于移动机器人的视觉定位方法研究 | 第25-34页 |
| 3.2.1 特征提取算法研究 | 第26-29页 |
| 3.2.2 基于深度相机位姿估计的ICP算法分析与研究 | 第29-32页 |
| 3.2.3 基于约束条件下的随机一致性采样算法研究 | 第32-34页 |
| 3.3 视觉SLAM框架性能对比与分析 | 第34-38页 |
| 3.4 本章小结 | 第38-39页 |
| 第四章 基于信息融合的移动机器人自主定位方法研究 | 第39-51页 |
| 4.1 信息融合技术 | 第39页 |
| 4.2 信息融合的结构模型 | 第39-42页 |
| 4.3 多传感器信息融合常用算法 | 第42页 |
| 4.4 基于v-自适应卡尔曼融合算法的研究 | 第42-46页 |
| 4.5 基于信息融合的移动机器人自主定位方法的实现 | 第46-50页 |
| 4.6 本章小结 | 第50-51页 |
| 第五章 实验结果与分析 | 第51-58页 |
| 5.1 实验平台的设计 | 第51页 |
| 5.2 基于环形的室内定位实验与分析 | 第51-53页 |
| 5.3 基于直线的走廊定位实验与分析 | 第53-57页 |
| 5.4 本章小结 | 第57-58页 |
| 第六章 总结与展望 | 第58-60页 |
| 6.1 论文工作总结 | 第58页 |
| 6.2 展望 | 第58-60页 |
| 参考文献 | 第60-64页 |
| 致谢 | 第64-65页 |
| 攻读学位期间的研究成果 | 第65页 |
