基于环境特征识别的移动机器人室内复合导航研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-13页 |
| 1.3 论文各章节安排 | 第13-15页 |
| 第2章 移动机器人惯性导航系统的定位技术 | 第15-28页 |
| 2.1 惯性测量导航基础 | 第15-18页 |
| 2.1.1 惯性导航原理 | 第15-16页 |
| 2.1.2 旋转表征方法 | 第16-18页 |
| 2.2 惯性测量数值更新算法 | 第18-21页 |
| 2.2.1 速度更新算法 | 第18-19页 |
| 2.2.2 位置更新算法 | 第19页 |
| 2.2.3 姿态更新算法 | 第19-21页 |
| 2.3 实验分析 | 第21-27页 |
| 2.4 本章小结 | 第27-28页 |
| 第3章 基于环境特征识别的双目视觉系统设计 | 第28-44页 |
| 3.1 双目视觉系统理论 | 第28-31页 |
| 3.1.1 双目视觉测量数学模型 | 第29-30页 |
| 3.1.2 摄像机参数标定 | 第30-31页 |
| 3.2 双目视觉系统测量原理 | 第31-33页 |
| 3.2.1 双目测距原理 | 第31-32页 |
| 3.2.2 三边测量定位原理 | 第32-33页 |
| 3.3 基于环境特征识别的双目视觉定位 | 第33-39页 |
| 3.3.1 环境特征选取 | 第33页 |
| 3.3.2 SIFT算法分析 | 第33-36页 |
| 3.3.3 改进的Harris-SIFT算法 | 第36-38页 |
| 3.3.4 离线数据库建立 | 第38-39页 |
| 3.4 实验分析 | 第39-43页 |
| 3.5 本章小结 | 第43-44页 |
| 第4章 双目视觉与惯性测量的数据融合机制 | 第44-51页 |
| 4.1 卡尔曼滤波 | 第44-46页 |
| 4.2 双目视觉与惯性测量融合算法 | 第46-49页 |
| 4.2.1 数据融合机制 | 第46-47页 |
| 4.2.2 异步卡尔曼滤波 | 第47-49页 |
| 4.3 数据融合机制仿真实验 | 第49-50页 |
| 4.4 本章小结 | 第50-51页 |
| 第5章 移动机器人室内复合导航物理实验研究 | 第51-62页 |
| 5.1 实验硬件平台 | 第51-52页 |
| 5.2 实验过程 | 第52-53页 |
| 5.3 实验结果与分析 | 第53-60页 |
| 5.3.1 场景一下的室内复合导航 | 第54-56页 |
| 5.3.2 场景二下的室内复合导航 | 第56-59页 |
| 5.3.3 融合算法与视觉里程计对比 | 第59-60页 |
| 5.4 本章小结 | 第60-62页 |
| 第6章 总结与展望 | 第62-64页 |
| 6.1 论文总结 | 第62-63页 |
| 6.2 工作展望 | 第63-64页 |
| 致谢 | 第64-65页 |
| 参考文献 | 第65-69页 |
| 附录1 攻读硕士学位期间取得的科研成果 | 第69-71页 |
| 附录2 攻读硕士学位期间参加的科研项目 | 第71-72页 |
| 详细摘要 | 第72-76页 |
