多机器人协作定位算法研究与仿真
| 摘要 | 第1-6页 |
| Abstract | 第6-11页 |
| 第1章 绪论 | 第11-19页 |
| ·多机器人协作定位技术研究意义 | 第11-14页 |
| ·多机器人协作定位技术研究现状 | 第14-16页 |
| ·本文主要研究内容 | 第16-19页 |
| 第2章 多机器人协作系统结构及模型 | 第19-29页 |
| ·多机器人协作系统结构 | 第19-22页 |
| ·集中式多机器人系统结构 | 第20页 |
| ·分布式多机器人系统结构 | 第20-21页 |
| ·混合式多机器人系统结构 | 第21-22页 |
| ·多机器人系统模型 | 第22-28页 |
| ·坐标系模型 | 第22-24页 |
| ·观测模型 | 第24页 |
| ·单机器人运动模型 | 第24-26页 |
| ·多机器人运动模型 | 第26-27页 |
| ·噪声模型 | 第27-28页 |
| ·本章小结 | 第28-29页 |
| 第3章 基于EKF算法的多机器人协作定位 | 第29-39页 |
| ·扩展卡尔曼滤波算法研究 | 第29-31页 |
| ·基于集中式EKF的多机器人协作定位 | 第31-38页 |
| ·融合相对观测量的EKF定位 | 第33-35页 |
| ·仿真实验与分析 | 第35-38页 |
| ·本章小结 | 第38-39页 |
| 第4章 基于粒子滤波的多机器人协作定位 | 第39-53页 |
| ·引言 | 第39页 |
| ·粒子滤波原理 | 第39-44页 |
| ·贝叶斯滤波问题 | 第39-40页 |
| ·贝叶斯重要性采样 | 第40-42页 |
| ·序列重要性采样(SIS) | 第42-43页 |
| ·粒子退化和重采样 | 第43-44页 |
| ·基于PF的多机器人协作定位 | 第44-47页 |
| ·算法描述 | 第44-45页 |
| ·仿真实验与分析 | 第45-47页 |
| ·基于PF-EKF的多机器人定位 | 第47-51页 |
| ·PF-EKF算法描述 | 第47-48页 |
| ·仿真实验与分析 | 第48-51页 |
| ·本章小结 | 第51-53页 |
| 第5章 基于熵的观测量选择 | 第53-63页 |
| ·信息熵理论基础 | 第53-56页 |
| ·信息的概念 | 第53-54页 |
| ·信息熵的定义 | 第54-55页 |
| ·熵函数的性质 | 第55-56页 |
| ·基于最大信息熵的观测量选择 | 第56-62页 |
| ·问题描述 | 第56-58页 |
| ·算法描述 | 第58-60页 |
| ·仿真实验与分析 | 第60-62页 |
| ·本章小结 | 第62-63页 |
| 第6章 总结与展望 | 第63-65页 |
| ·总结 | 第63页 |
| ·展望 | 第63-65页 |
| 参考文献 | 第65-71页 |
| 致谢 | 第71-73页 |
| 硕士期间完成论文情况 | 第73页 |
