基于多传感器的四旋翼无人机室内自主导航研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第11-19页 |
| 1.1 研究背景与意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-17页 |
| 1.2.1 国外研究现状 | 第12-15页 |
| 1.2.2 国内研究现状 | 第15-16页 |
| 1.2.3 无人机室内自主导航的关键问题 | 第16-17页 |
| 1.3 主要研究内容及组织结构 | 第17-19页 |
| 1.3.1 论文研究内容 | 第17页 |
| 1.3.2 论文章节安排 | 第17-19页 |
| 第2章 基于贝叶斯滤波的无人机局部导航研究 | 第19-37页 |
| 2.1 导航技术基本原理 | 第19-21页 |
| 2.1.1 噪声及不确定度 | 第19页 |
| 2.1.2 基本假设 | 第19-20页 |
| 2.1.3 基本概率模型 | 第20-21页 |
| 2.2 传感器数据处理 | 第21-27页 |
| 2.2.1 数据传输延迟 | 第21-22页 |
| 2.2.2 基于IMU的俯视图变换 | 第22-23页 |
| 2.2.3 尺度估算 | 第23-24页 |
| 2.2.4 基于光流的导航技术 | 第24-27页 |
| 2.3 无人机状态模型的建立 | 第27-32页 |
| 2.3.1 坐标系转换及状态空间的建立 | 第27-28页 |
| 2.3.2 无人机运动模型 | 第28-29页 |
| 2.3.3 状态转移模型 | 第29-30页 |
| 2.3.4 状态预测模型 | 第30-31页 |
| 2.3.5 状态观测模型 | 第31-32页 |
| 2.4 实验结果及分析 | 第32-36页 |
| 2.5 本章小结 | 第36-37页 |
| 第3章 基于粒子滤波的无人机全局导航研究 | 第37-51页 |
| 3.1 特征提取 | 第37-38页 |
| 3.2 基于特征的观测模型 | 第38-42页 |
| 3.2.1 路标测量 | 第38页 |
| 3.2.2 数据关联 | 第38-40页 |
| 3.2.3 基于粒子滤波的定位算法 | 第40-42页 |
| 3.3 无人机定位算法的鲁棒性 | 第42-49页 |
| 3.3.1 粒子匮乏 | 第42-44页 |
| 3.3.2 动态环境干扰的抑制 | 第44-45页 |
| 3.3.3 无人机导航实验及结果分析 | 第45-49页 |
| 3.4 本章小结 | 第49-51页 |
| 第4章 基于ROS的室内四旋翼无人机系统设计 | 第51-61页 |
| 4.1 无人机系统架构设计 | 第51-53页 |
| 4.2 无人机机载系统的构建 | 第53-56页 |
| 4.2.1 机载传感器及驱动 | 第53页 |
| 4.2.2 数据链路 | 第53-56页 |
| 4.3 无人机地面站系统设计 | 第56-60页 |
| 4.3.1 ROS操作系统 | 第56-57页 |
| 4.3.2 飞行控制器设计 | 第57-58页 |
| 4.3.3 定位系统设计 | 第58-60页 |
| 4.4 本章小结 | 第60-61页 |
| 第5章 四旋翼无人机导航系统的飞行实验及分析 | 第61-73页 |
| 5.1 实验环境设置 | 第61-62页 |
| 5.2 无人机导航的仿真实验 | 第62-67页 |
| 5.2.1 仿真系统的搭建 | 第62-63页 |
| 5.2.2 仿真结果及分析 | 第63-67页 |
| 5.3 四旋翼无人机实际飞行实验 | 第67-71页 |
| 5.3.1 导航系统鲁棒性实验 | 第67-69页 |
| 5.3.2 导航系统精确性实验 | 第69-71页 |
| 5.4 本章小结 | 第71-73页 |
| 第6章 总结与展望 | 第73-75页 |
| 6.1 总结 | 第73页 |
| 6.2 展望 | 第73-75页 |
| 参考文献 | 第75-81页 |
| 致谢 | 第81-83页 |
| 作者简介 | 第83页 |
