基于超宽带定位和航迹推演算法融合的送餐机器人定位系统研究与实现
| 摘要 | 第3-4页 |
| abstract | 第4-5页 |
| 第1章 绪论 | 第9-19页 |
| 1.1 课题研究背景及意义 | 第9页 |
| 1.2 国内外研究现状 | 第9-17页 |
| 1.2.1 国内外服务机器人研究现状 | 第9-12页 |
| 1.2.2 国内外室内定位技术研究现状 | 第12-16页 |
| 1.2.3 国内外多传感器融合算法研究现状 | 第16-17页 |
| 1.3 当前存在的问题 | 第17-18页 |
| 1.4 论文研究内容以组织结构 | 第18-19页 |
| 第2章 送餐机器人建模和航迹推演算法 | 第19-27页 |
| 2.1 送餐机器人的建模 | 第19-21页 |
| 2.1.1 运动学建模 | 第19-20页 |
| 2.1.2 动力学建模 | 第20-21页 |
| 2.2 航迹推演算法推导及改进 | 第21-26页 |
| 2.2.1 传统航迹推演算法 | 第21-24页 |
| 2.2.2 改进型航迹推演算法 | 第24-25页 |
| 2.2.3 仿真实验及结果分析 | 第25-26页 |
| 2.3 本章小结 | 第26-27页 |
| 第3章 超宽带定位与航迹推演算法的融合技术 | 第27-44页 |
| 3.1 基于UWB的室内定位技术 | 第27-36页 |
| 3.1.1 室内绝对定位技术 | 第27-30页 |
| 3.1.2 UWB技术 | 第30-33页 |
| 3.1.3 基于TOA算法的UWB定位技术 | 第33-34页 |
| 3.1.4 基于TDOA算法的UWB定位技术 | 第34-35页 |
| 3.1.5 仿真实验及结果分析 | 第35-36页 |
| 3.2 多传感器融合算法 | 第36-43页 |
| 3.2.1 多传感器融合算法的应用 | 第36-38页 |
| 3.2.2 卡尔曼滤波融合算法 | 第38-40页 |
| 3.2.3 扩展卡尔曼滤波融合算法 | 第40-43页 |
| 3.3 本章小结 | 第43-44页 |
| 第4章 送餐机器人控制系统的实现 | 第44-57页 |
| 4.1 送餐机器人控制系统架构介绍 | 第44-45页 |
| 4.2 硬件平台实现 | 第45-52页 |
| 4.2.1 避障模块 | 第45-46页 |
| 4.2.2 驱动模块 | 第46-47页 |
| 4.2.3 电源模块 | 第47-48页 |
| 4.2.4 IMU惯性测量模块 | 第48-50页 |
| 4.2.5 超宽带定位系统 | 第50-51页 |
| 4.2.6 主控模块 | 第51-52页 |
| 4.3 软件平台实现 | 第52-56页 |
| 4.3.1 超宽带定位系统程序 | 第52-54页 |
| 4.3.2 ROS平台 | 第54页 |
| 4.3.3 主控板底层驱动程序 | 第54-56页 |
| 4.4 本章小结 | 第56-57页 |
| 第5章 实验与结果分析 | 第57-68页 |
| 5.1 实验系统 | 第57-58页 |
| 5.2 超宽带定位系统定位实验 | 第58-59页 |
| 5.3 改进型航迹推演算法定位坐标解算 | 第59-64页 |
| 5.3.1 IMU航向角测量 | 第59-61页 |
| 5.3.2 传统航迹推演算法航向角解算 | 第61-62页 |
| 5.3.3 定位坐标解算 | 第62-64页 |
| 5.4 EKF融合算法坐标融合实验 | 第64-67页 |
| 5.5 本章小结 | 第67-68页 |
| 第6章 总结与展望 | 第68-70页 |
| 6.1 总结 | 第68页 |
| 6.2 展望 | 第68-70页 |
| 参考文献 | 第70-73页 |
| 攻读学位期间取得的研究成果 | 第73-74页 |
| 致谢 | 第74页 |
