| 摘要 | 第3-4页 |
| ABSTRACT | 第4-5页 |
| 第一章 绪论 | 第8-14页 |
| 1.1 研究背景与意义 | 第8-9页 |
| 1.2 轮式移动机器人自主定位的研究现状 | 第9-13页 |
| 1.2.1 移动机构的研究现状 | 第9-12页 |
| 1.2.2 定位方法的研究现状 | 第12-13页 |
| 1.3 研究内容 | 第13-14页 |
| 第二章 轮式移动机器人的实验平台 | 第14-25页 |
| 2.1 轮式移动机构的选择 | 第14-16页 |
| 2.2 控制系统的设计 | 第16-18页 |
| 2.3 感知系统的构建 | 第18-24页 |
| 2.3.1 本体感受式传感器 | 第18-21页 |
| 2.3.2 外感受式传感器 | 第21-24页 |
| 2.4 本章小结 | 第24-25页 |
| 第三章 轮式移动机器人的航迹推测 | 第25-47页 |
| 3.1 基于里程计的误差模型 | 第25-28页 |
| 3.2 系统参数的校核 | 第28-33页 |
| 3.2.1 UMBmark校核算法 | 第28-32页 |
| 3.2.2 系统参数的校核实验 | 第32-33页 |
| 3.3 轮子打滑辨识与校核 | 第33-46页 |
| 3.3.1 MEMS陀螺仪随机误差模型 | 第33-39页 |
| 3.3.2 轮子打滑校核的理论分析 | 第39-44页 |
| 3.3.3 轮子打滑校核实验 | 第44-46页 |
| 3.4 本章小结 | 第46-47页 |
| 第四章 轮式移动机器人的位置估计 | 第47-61页 |
| 4.1 环境特征提取及匹配 | 第47-52页 |
| 4.2 基于匹配线段的方向与位置误差估计 | 第52-60页 |
| 4.2.1 方向误差估计 | 第52-55页 |
| 4.2.2 位置误差估计 | 第55-60页 |
| 4.3 本章小结 | 第60-61页 |
| 第五章 轮式移动机器人的数据融合定位 | 第61-69页 |
| 5.1 卡尔曼滤波器(Kalman Filter)原理 | 第61-65页 |
| 5.2 扩展卡尔曼滤波器(EKF)融合数据 | 第65-68页 |
| 5.3 本章小结 | 第68-69页 |
| 第六章 结论与展望 | 第69-71页 |
| 6.1 结论 | 第69页 |
| 6.2 展望 | 第69-71页 |
| 参考文献 | 第71-74页 |
| 申请学位期间的研究成果及发表的学术论文 | 第74-75页 |
| 致谢 | 第75页 |