改进的分域式蒙特卡罗定位方法的研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第1章 绪论 | 第10-18页 |
| 1.1 课题提出的背景与研究意义 | 第10-12页 |
| 1.1.1 课题提出的背景 | 第10-12页 |
| 1.1.2 课题的研究意义 | 第12页 |
| 1.2 课题的国内外研究现状 | 第12-15页 |
| 1.2.1 移动机器人定位的国内外研究现状 | 第12-13页 |
| 1.2.2 蒙特卡罗定位算法的国内外研究现状 | 第13-15页 |
| 1.2.3 存在的问题 | 第15页 |
| 1.3 本文的主要内容与结构安排 | 第15-18页 |
| 1.3.1 研究目标及主要研究内容 | 第15-16页 |
| 1.3.2 章节安排 | 第16-18页 |
| 第2章 足球机器人定位的相关模型 | 第18-28页 |
| 2.1 引言 | 第18页 |
| 2.2 仿人形足球机器人的定位任务及任务环境 | 第18-19页 |
| 2.3 机器人定位的相关模型 | 第19-27页 |
| 2.3.1 坐标系模型 | 第19-21页 |
| 2.3.2 机器人运动模型 | 第21-22页 |
| 2.3.3 机器人传感器模型 | 第22-26页 |
| 2.3.4 环境地图模型 | 第26-27页 |
| 2.3.5 噪声模型 | 第27页 |
| 2.4 本章小结 | 第27-28页 |
| 第3章 蒙特卡罗定位算法的研究及改进 | 第28-50页 |
| 3.1 引言 | 第28-29页 |
| 3.2 蒙特卡罗定位算法的基本原理 | 第29-34页 |
| 3.2.1 基本设定 | 第29-30页 |
| 3.2.2 位姿估计 | 第30页 |
| 3.2.3 权重更新 | 第30-33页 |
| 3.2.4 重新采样 | 第33-34页 |
| 3.2.5 获取定位结果 | 第34页 |
| 3.3 分域式 MCL 定位方法的研究 | 第34-44页 |
| 3.3.1 分域控制思想的引进 | 第34-35页 |
| 3.3.2 参数分析实验 | 第35-40页 |
| 3.3.3 定位状态的识别 | 第40-42页 |
| 3.3.4 分域控制方案的制定 | 第42-43页 |
| 3.3.5 状态重置 | 第43-44页 |
| 3.4 分域式 MCL 定位实验 | 第44-49页 |
| 3.5 本章小结 | 第49-50页 |
| 第4章 分域式 MCL 定位方法的改进 | 第50-58页 |
| 4.1 引言 | 第50页 |
| 4.2 负信息的基本原理 | 第50-51页 |
| 4.3 负信息的识别 | 第51-52页 |
| 4.3.1 期望数据缺乏的主要原因 | 第51-52页 |
| 4.3.2 图像阻塞情况分析 | 第52页 |
| 4.4 基于负信息的分域式 MCL 算法的实现 | 第52-54页 |
| 4.4.1 粒子权重更新 | 第52页 |
| 4.4.2 基于负信息的 MCL 定位算法的流程 | 第52-54页 |
| 4.5 性能测试实验 | 第54-56页 |
| 4.6 本章小结 | 第56-58页 |
| 第5章 总结与展望 | 第58-60页 |
| 5.1 总结 | 第58页 |
| 5.2 展望 | 第58-60页 |
| 参考文献 | 第60-64页 |
| 作者简介 | 第64-65页 |
| 致谢 | 第65页 |
