移动机器人的定位方法研究
| 摘要 | 第1-6页 |
| Abstract | 第6-7页 |
| 目录 | 第7-10页 |
| 第1章 绪论 | 第10-20页 |
| ·移动机器人的发展 | 第10-12页 |
| ·国外移动机器人的发展 | 第10-11页 |
| ·国内移动机器人的发展 | 第11-12页 |
| ·移动机器人技术 | 第12-15页 |
| ·移动机器人的分类 | 第15-17页 |
| ·移动机器人的应用及其发展 | 第17-19页 |
| ·本文主要的研究工作 | 第19-20页 |
| 第2章 移动机器人常用定位方法 | 第20-28页 |
| ·定位方法概述 | 第20-21页 |
| ·引言 | 第20页 |
| ·绝对定位简述 | 第20页 |
| ·相对定位简述 | 第20-21页 |
| ·移动机器人的绝对定位方法 | 第21-23页 |
| ·路标及信标定位 | 第22-23页 |
| ·卫星导航定位 | 第23页 |
| ·移动机器人的相对定位方法 | 第23-27页 |
| ·测距法 | 第23-26页 |
| ·航迹推算法 | 第26-27页 |
| ·本章小结 | 第27-28页 |
| 第3章 移动机器人模型分析 | 第28-44页 |
| ·多传感器信息融合技术 | 第28-31页 |
| ·基本原理 | 第28页 |
| ·多传感器信息融合技术在移动机器人中的应用和发展 | 第28-30页 |
| ·多传感器信息融合的过程 | 第30-31页 |
| ·信息融合方法 | 第31页 |
| ·机器人系统模型 | 第31-34页 |
| ·移动机器人系统的组成 | 第31-32页 |
| ·移动机器人的控制结构 | 第32页 |
| ·移动机器人运动学模型 | 第32-34页 |
| ·传感器模型 | 第34-42页 |
| ·里程计模型 | 第34-38页 |
| ·超声波传感器模型 | 第38-42页 |
| ·本章小结 | 第42-44页 |
| 第4章 基于卡尔曼滤波的移动机器人定位 | 第44-60页 |
| ·卡尔曼滤波理论 | 第44-49页 |
| ·卡尔曼滤波算法理论的特点 | 第44页 |
| ·离散型卡尔曼滤波基本方程 | 第44-46页 |
| ·离散型卡尔曼滤波基本方程的直观推导 | 第46-49页 |
| ·基于卡尔曼滤波定位的架构 | 第49-50页 |
| ·卡尔曼滤波架构 | 第49-50页 |
| ·卡尔曼滤波器的机器人定位架构 | 第50页 |
| ·基于卡尔曼滤波算法的移动机器人定位 | 第50-58页 |
| ·基于卡尔曼滤波的机器人模型分析 | 第50-52页 |
| ·系统的观测模型和关联模型 | 第52-53页 |
| ·卡尔曼滤波过程 | 第53-56页 |
| ·仿真结果分析 | 第56-58页 |
| ·本章小结 | 第58-60页 |
| 第5章 基于总体最小二乘和卡尔曼滤波的定位 | 第60-68页 |
| ·最小二乘定位方法 | 第60-63页 |
| ·一般最小二乘 | 第60-61页 |
| ·加权最小二乘 | 第61-62页 |
| ·总体最小二乘方法 | 第62-63页 |
| ·总体最小二乘与卡尔曼滤波结合定位 | 第63-65页 |
| ·总体最小二乘算法定位 | 第63-64页 |
| ·基于总体最小二乘的卡尔曼滤波定位 | 第64-65页 |
| ·仿真结果分析 | 第65-67页 |
| ·本章小结 | 第67-68页 |
| 第6章 结论与展望 | 第68-70页 |
| ·结论 | 第68页 |
| ·展望 | 第68-70页 |
| 参考文献 | 第70-74页 |
| 致谢 | 第74页 |
