| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 研究背景与意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.2.1 视觉跟踪研究现状 | 第11-12页 |
| 1.2.2 移动机器人定位研究现状 | 第12-13页 |
| 1.2.3 多移动机器人编队控制研究现状 | 第13-14页 |
| 1.3 本文主要工作及章节安排 | 第14-16页 |
| 第二章 多机器人系统概述 | 第16-32页 |
| 2.1 跟随者平台概述 | 第16-18页 |
| 2.2 坐标系与运动学方程 | 第18-20页 |
| 2.3 感知层设计 | 第20-24页 |
| 2.4 驱动层设计 | 第24-26页 |
| 2.5 网络通信层设计 | 第26-28页 |
| 2.5.1 通信数据帧格式 | 第26-27页 |
| 2.5.2 通信流程设计 | 第27-28页 |
| 2.6 运算控制层设计 | 第28-31页 |
| 2.7 本章小结 | 第31-32页 |
| 第三章 视觉跟踪控制器设计 | 第32-43页 |
| 3.1 基于图像的位置信息提取 | 第33-36页 |
| 3.1.1 目标检测 | 第33-34页 |
| 3.1.2 目标图像坐标确定 | 第34-36页 |
| 3.2 基于双闭环PID的视觉跟踪控制 | 第36-42页 |
| 3.2.1 带微分反馈的角度环PID参数整定 | 第37-38页 |
| 3.2.2 图像环PID参数整定 | 第38-42页 |
| 3.3 本章小结 | 第42-43页 |
| 第四章 多机器人自主定位 | 第43-67页 |
| 4.1 卡尔曼滤波器 | 第43-46页 |
| 4.1.1 标准卡尔曼滤波器KF | 第43-45页 |
| 4.1.2 扩展卡尔曼滤波器EKF | 第45-46页 |
| 4.2 基于EKF的机器人自定位 | 第46-51页 |
| 4.3 基于EKF的多机器人协同定位 | 第51-61页 |
| 4.3.1 跟随者定位 | 第53-58页 |
| 4.3.2 领航者定位 | 第58-61页 |
| 4.4 仿真效果验证 | 第61-66页 |
| 4.5 本章小结 | 第66-67页 |
| 第五章 多机器人编队控制 | 第67-86页 |
| 5.1 Leader-Follower编队控制方法 | 第67-73页 |
| 5.1.1 基于l-φ策略建立误差模型与控制器设计 | 第68-71页 |
| 5.1.2 仿真效果验证 | 第71-73页 |
| 5.2 虚拟结构编队控制方法 | 第73-83页 |
| 5.2.1 基于Backstepping的单机器人轨迹跟踪 | 第74-79页 |
| 5.2.2 虚拟结构编队法设计 | 第79页 |
| 5.2.3 仿真效果验证 | 第79-83页 |
| 5.3 实验平台验证 | 第83-85页 |
| 5.4 本章小结 | 第85-86页 |
| 结论与展望 | 第86-88页 |
| 参考文献 | 第88-93页 |
| 攻读硕士学位期间取得的研究成果 | 第93-94页 |
| 致谢 | 第94-95页 |
| 附件 | 第95页 |
