基于ROS的室内变电站设备巡检机器人定位技术
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第9-18页 |
| 1.1 研究背景与研究意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-16页 |
| 1.2.1 变电站巡检机器人国内外研究现状 | 第10-12页 |
| 1.2.2 移动机器人室内定位技术 | 第12-13页 |
| 1.2.3 机器人操作系统 | 第13-16页 |
| 1.3 论文研究内容及创新点 | 第16-17页 |
| 1.4 论文的章节安排 | 第17页 |
| 1.5 本章小结 | 第17-18页 |
| 2 巡检机器人系统分析 | 第18-26页 |
| 2.1 巡检机器人巡检流程 | 第18-19页 |
| 2.2 巡检机器人巡检过程中的问题 | 第19-21页 |
| 2.3 巡检机器人功能与定位指标 | 第21-23页 |
| 2.3.1 巡检机器人功能 | 第21-22页 |
| 2.3.2 巡检机器人定位指标 | 第22-23页 |
| 2.4 巡检机器人定位策略 | 第23-25页 |
| 2.5 本章小结 | 第25-26页 |
| 3 巡检机器人定位方法研究 | 第26-47页 |
| 3.1 巡检机器人运动学模型 | 第26-33页 |
| 3.1.1 机器人数学模型 | 第26-28页 |
| 3.1.2 传感器模型 | 第28-33页 |
| 3.2 巡检机器人定位问题建模 | 第33-38页 |
| 3.2.1 姿态表达及坐标变换 | 第33-37页 |
| 3.2.2 基于贝叶斯的定位问题建模 | 第37-38页 |
| 3.3 多传感器信息融合 | 第38-42页 |
| 3.3.1 多传感器信息融合分类 | 第39-41页 |
| 3.3.2 多传感器信息融合方法研究 | 第41-42页 |
| 3.4 基于卡尔曼滤波算法的多传感器数据融合 | 第42-43页 |
| 3.5 基于粒子滤波的位姿估计方法 | 第43-46页 |
| 3.6 本章小结 | 第46-47页 |
| 4 巡检机器人定位实现 | 第47-68页 |
| 4.1 巡检机器人平台 | 第47-48页 |
| 4.2 环境地图建立 | 第48-49页 |
| 4.3 基于ROS功能包的定位策略实现 | 第49-50页 |
| 4.4 基于单传感器的机器人定位 | 第50-57页 |
| 4.4.1 基于惯性测量单元的位置估计 | 第50-54页 |
| 4.4.2 基于激光传感器的位置估计 | 第54-57页 |
| 4.5 基于多传感器融合的机器人定位 | 第57-62页 |
| 4.5.1 基于卡尔曼滤波的数据融合 | 第57-59页 |
| 4.5.2 基于粒子滤波的位姿估计 | 第59-62页 |
| 4.6 巡检机器人定位功能实现 | 第62-67页 |
| 4.6.1 ROS | 第62-63页 |
| 4.6.2 ROS平台上的定位功能实现 | 第63-67页 |
| 4.7 本章小结 | 第67-68页 |
| 5 定位性能测试与结果分析 | 第68-88页 |
| 5.1 定位精度评价标准 | 第68-69页 |
| 5.2 室内定位测试方法 | 第69-71页 |
| 5.3 巡检机器人定位测试及结果分析 | 第71-87页 |
| 5.3.1 测试环境说明 | 第71-72页 |
| 5.3.2 定位性能测试及结果分析 | 第72-87页 |
| 5.4 本章小结 | 第87-88页 |
| 6 结论与展望 | 第88-90页 |
| 6.1 结论 | 第88页 |
| 6.2 展望 | 第88-90页 |
| 致谢 | 第90-91页 |
| 参考文献 | 第91-96页 |
| 攻读硕士学位期间发表的学术论文及研究成果 | 第96页 |
