单目视觉移动机器人SLAM方法建模与仿真分析
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-15页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.2.1 同时定位与构图理论研究现状 | 第11-13页 |
| 1.2.2 视觉移动机器人研究现状 | 第13-14页 |
| 1.3 研究目标与组织结构 | 第14-15页 |
| 第二章 移动机器人同时定位与构图理论基础 | 第15-31页 |
| 2.1 SLAM问题描述 | 第15-18页 |
| 2.2 SLAM研究难点分析 | 第18-20页 |
| 2.2.1 高维空间状态估计 | 第18页 |
| 2.2.2 数据关联问题 | 第18-19页 |
| 2.2.3 系统误差及其累积 | 第19-20页 |
| 2.3 SLAM的EKF实现方法 | 第20-27页 |
| 2.3.1 卡尔曼滤波理论 | 第20-23页 |
| 2.3.2 扩展卡尔曼滤波理论 | 第23-24页 |
| 2.3.3 滤波结果与仿真分析 | 第24-27页 |
| 2.4 常见环境描述方法 | 第27-30页 |
| 2.4.1 度量地图 | 第28-29页 |
| 2.4.2 拓扑地图 | 第29-30页 |
| 2.4.3 混合地图 | 第30页 |
| 2.5 本章小结 | 第30-31页 |
| 第三章 移动机器人EKF-v SLAM系统建模 | 第31-42页 |
| 3.1 EKF-v SLAM系统框架 | 第31-32页 |
| 3.2 机器人运动模型 | 第32-35页 |
| 3.2.1 里程计模型 | 第32-34页 |
| 3.2.2 系统状态预测 | 第34-35页 |
| 3.3 视觉观测模型 | 第35-39页 |
| 3.3.1 摄像机模型 | 第35-38页 |
| 3.3.2 环境路标观测 | 第38-39页 |
| 3.4 EKF-v SLAM算法实现 | 第39-41页 |
| 3.5 本章小结 | 第41-42页 |
| 第四章 单目视觉移动机器人设计 | 第42-58页 |
| 4.1 机器人功能分析与总体方案 | 第42-44页 |
| 4.2 机器人运动机构设计 | 第44-46页 |
| 4.3 机器人电气系统设计 | 第46-56页 |
| 4.3.1 嵌入式控制系统 | 第47-48页 |
| 4.3.2 运动系统设计 | 第48-52页 |
| 4.3.3 摄像系统设计 | 第52-54页 |
| 4.3.4 其他模块设计 | 第54-56页 |
| 4.4 机器人v SLAM系统运行 | 第56-57页 |
| 4.5 本章小结 | 第57-58页 |
| 第五章 实验设计与结果分析 | 第58-74页 |
| 5.1 摄像机参数标定实验 | 第58-62页 |
| 5.2 移动机器人误差测试 | 第62-66页 |
| 5.2.1 里程计误差测试 | 第62-65页 |
| 5.2.2 路标观测误差测试 | 第65-66页 |
| 5.3 EKF-v SLAM算法仿真实验 | 第66-71页 |
| 5.3.1 二维EKF-v SLAM仿真实验 | 第67-69页 |
| 5.3.2 三维EKF-v SLAM仿真实验 | 第69-71页 |
| 5.4 路标数量与系统性能关系探究 | 第71-72页 |
| 5.5 运动路径与误差消除关系探究 | 第72-73页 |
| 5.6 本章小结 | 第73-74页 |
| 第六章 总结与展望 | 第74-76页 |
| 致谢 | 第76-77页 |
| 参考文献 | 第77-80页 |
| 攻硕期间取得的研究成果 | 第80-81页 |
