基于多传感器信息融合的移动机器人定位与跟踪
| 摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 1 绪论 | 第8-14页 |
| ·研究背景与研究意义 | 第8-9页 |
| ·国内外研究状况 | 第9-12页 |
| ·移动机器人定位的研究 | 第9-10页 |
| ·目标跟踪的研究 | 第10-12页 |
| ·论文主要内容和章节安排 | 第12-14页 |
| 2 移动机器人定位研究 | 第14-23页 |
| ·机器人定位问题及定位方法的分类 | 第14-15页 |
| ·机器人定位问题的分类 | 第14页 |
| ·机器人定位方法的分类 | 第14-15页 |
| ·贝叶斯滤波定位理论 | 第15-17页 |
| ·马尔可夫(Markov)定理 | 第15页 |
| ·贝叶斯滤波定位理论 | 第15-17页 |
| ·高斯滤波方法 | 第17-18页 |
| ·卡尔曼滤波器 | 第17页 |
| ·扩展卡尔曼滤波器 | 第17-18页 |
| ·粒子滤波器 | 第18-22页 |
| ·本章小结 | 第22-23页 |
| 3 移动机器人系统建模 | 第23-29页 |
| ·坐标系统 | 第23页 |
| ·传感器的坐标转换 | 第23-24页 |
| ·移动机器人运动模型 | 第24-25页 |
| ·传感器模型 | 第25-28页 |
| ·里程计模型 | 第25-27页 |
| ·超声波的观测模型 | 第27-28页 |
| ·本章小结 | 第28-29页 |
| 4 多传感器信息融合技术 | 第29-35页 |
| ·传感器的分类 | 第29-30页 |
| ·多传感器信息融合 | 第30-32页 |
| ·多传感器信息融合的层次 | 第30页 |
| ·多传感器信息融合的结构 | 第30-31页 |
| ·多传感器信息融合的主要方法 | 第31-32页 |
| ·融合定位及仿真效果 | 第32-34页 |
| ·本章小结 | 第34-35页 |
| 5 摄像机标定 | 第35-39页 |
| ·单目标定 | 第35-38页 |
| ·成像中用到的坐标系 | 第35-36页 |
| ·单目摄像机标定原理 | 第36-38页 |
| ·本文中的标定方法 | 第38页 |
| ·本章小结 | 第38-39页 |
| 6 目标跟踪与定位 | 第39-56页 |
| ·跟踪算法 | 第39-40页 |
| ·MeanShift算法 | 第40-42页 |
| ·Camshift算法 | 第42-44页 |
| ·改进算法 | 第44-47页 |
| ·帧间差分与背景差分结合 | 第44-45页 |
| ·运动估计 | 第45-46页 |
| ·对Camshift算法的改进 | 第46-47页 |
| ·实验结果与分析 | 第47-50页 |
| ·搜索窗口初始化 | 第47-48页 |
| ·目标被遮挡 | 第48页 |
| ·相似颜色背景 | 第48-49页 |
| ·运动估计 | 第49-50页 |
| ·实时跟踪与定位系统设计 | 第50-55页 |
| ·摄像机标定及目标初始化 | 第52-53页 |
| ·跟踪及定位 | 第53页 |
| ·跟踪与定位结果显示 | 第53-54页 |
| ·仿真位置与运动轨迹显示 | 第54页 |
| ·参数设置 | 第54-55页 |
| ·发送数据 | 第55页 |
| ·本章小结 | 第55-56页 |
| 7 总结与展望 | 第56-58页 |
| ·总结 | 第56页 |
| ·不足与展望 | 第56-58页 |
| 参考文献 | 第58-62页 |
| 申请学位期间的研究成果及发表的学术论文 | 第62-63页 |
| 致谢 | 第63页 |
