基于粒子滤波的户外移动机器人地形坡度定位
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第8-13页 |
| 1.1 课题背景 | 第8页 |
| 1.2 机器人定位技术概况 | 第8-11页 |
| 1.2.1 机器人定位的分类 | 第8-9页 |
| 1.2.2 机器人定位常用方法 | 第9-11页 |
| 1.3 当前研究现状 | 第11-12页 |
| 1.4 本文主要贡献 | 第12页 |
| 1.5 本文结构 | 第12-13页 |
| 第2章 概率学定位 | 第13-19页 |
| 2.1 引言 | 第13页 |
| 2.2 不确定性与滤波算法 | 第13-14页 |
| 2.2.1 不确定性 | 第13-14页 |
| 2.2.2 常用滤波算法 | 第14页 |
| 2.3 粒子滤波器 | 第14-18页 |
| 2.3.1 粒子滤波数学推导 | 第15-16页 |
| 2.3.2 粒子滤波基本算法 | 第16-17页 |
| 2.3.3 重采样 | 第17-18页 |
| 2.4 本章小结 | 第18-19页 |
| 第3章 使用地形特征的定位算法 | 第19-25页 |
| 3.1 引言 | 第19页 |
| 3.2 机器人地形倾斜模型 | 第19-22页 |
| 3.3 粒子滤波定位算法 | 第22-24页 |
| 3.3.1 运动模型和测量模型 | 第22-23页 |
| 3.3.2 算法中的不确定性 | 第23-24页 |
| 3.4 本章小结 | 第24-25页 |
| 第4章 实验设计与结果 | 第25-40页 |
| 4.1 实验平台 | 第25页 |
| 4.2 短距离实验一 | 第25-31页 |
| 4.2.1 实验设计 | 第26-27页 |
| 4.2.2 实验结果与分析 | 第27-31页 |
| 4.3 短距离实验二 | 第31-34页 |
| 4.4 长距离实验 | 第34-38页 |
| 4.4.1 实验场地 | 第34-35页 |
| 4.4.2 实验结果 | 第35-38页 |
| 4.5 本章小结 | 第38-40页 |
| 结论 | 第40-41页 |
| 参考文献 | 第41-45页 |
| 攻读硕士学位期间发表的论文 | 第45-47页 |
| 致谢 | 第47页 |
