| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第1章 绪论 | 第11-22页 |
| 1.1 移动机器人与多移动机器人研究概述 | 第11-14页 |
| 1.2 多机器人协同定位系统的发展现状 | 第14-20页 |
| 1.2.1 协同定位技术和方法 | 第15-16页 |
| 1.2.2 多机器人协同定位系统可观测性分析发展现状 | 第16-17页 |
| 1.2.3 移动机器人量测信息提取技术 | 第17-18页 |
| 1.2.4 信度函数及基于信度函数的非线性滤波的发展现状 | 第18-20页 |
| 1.3 论文主要研究内容 | 第20-22页 |
| 第2章 多移动机器人系统的可观测性分析 | 第22-41页 |
| 2.1 理论背景 | 第22-26页 |
| 2.1.1 线性系统的可观测性 | 第22-23页 |
| 2.1.2 分段线性定常系统的可观测性 | 第23-24页 |
| 2.1.3 非线性系统的可观测性 | 第24-26页 |
| 2.2 基于相对位置量测图的可观测性分析 | 第26-27页 |
| 2.3 相对位置量测图中的边与可观测性矩阵的关系 | 第27-34页 |
| 2.3.1 移动机器人之间的边与可观测性矩阵之间的关系 | 第27-31页 |
| 2.3.2 移动机器人与路标点之间的边与可观测性矩阵之间的关系 | 第31-34页 |
| 2.3.3 完备相对位置测量图 | 第34页 |
| 2.4 无路标点情况下的可观测性分析 | 第34-36页 |
| 2.5 存在已知路标点情况下的可观测性分析 | 第36-40页 |
| 2.6 本章小结 | 第40-41页 |
| 第3章 多移动机器人系统量测信息的提取 | 第41-55页 |
| 3.1 量测信息提取的基本思路 | 第41-43页 |
| 3.2 图像二值化处理 | 第43-45页 |
| 3.2.1 典型的全局阈值法 | 第43-45页 |
| 3.2.2 改进的Otsu算子 | 第45页 |
| 3.3 图像边缘检测算法 | 第45-48页 |
| 3.3.1 传统图像边缘检测算子——微分算子 | 第45-47页 |
| 3.3.2 数学形态学简介 | 第47-48页 |
| 3.3.3 一种改进的LoG算子 | 第48页 |
| 3.4 图像边缘检测结果与对比 | 第48-54页 |
| 3.4.1 图像来源 | 第48-49页 |
| 3.4.2 边缘检测结果与分析 | 第49-54页 |
| 3.5 本章小结 | 第54-55页 |
| 第4章 信度函数理论 | 第55-69页 |
| 4.1 信度函数 | 第55-59页 |
| 4.1.1 质量函数 | 第56页 |
| 4.1.2 信度函数 | 第56-57页 |
| 4.1.3 似真函数 | 第57-58页 |
| 4.1.4 众信度函数 | 第58页 |
| 4.1.5 几种特殊的信度函数 | 第58-59页 |
| 4.2 合成方法 | 第59-63页 |
| 4.2.1 Dempster合成方法 | 第60-61页 |
| 4.2.2 合取结合方法 | 第61-62页 |
| 4.2.3 析取结合方法 | 第62页 |
| 4.2.4 其他结合方法 | 第62-63页 |
| 4.3 扩展化与边缘化 | 第63-64页 |
| 4.4 条件信度函数 | 第64-65页 |
| 4.5 特异性与独立性 | 第65-66页 |
| 4.6 广义贝叶斯理论 | 第66-68页 |
| 4.7 PIGNISTIC变换 | 第68页 |
| 4.8 本章小结 | 第68-69页 |
| 第5章 基于信度函数粒子滤波的多移动机器人协同定位算法 | 第69-92页 |
| 5.1 基于信度函数的滤波算法 | 第69-73页 |
| 5.1.1 预测过程 | 第71-72页 |
| 5.1.2 校正过程 | 第72-73页 |
| 5.1.3 与贝叶斯滤波的关系 | 第73页 |
| 5.2 基于信度函数的粒子滤波算法 | 第73-80页 |
| 5.2.1 预测过程 | 第74-75页 |
| 5.2.2 校正过程 | 第75-78页 |
| 5.2.3 兼容性粒子的产生 | 第78-80页 |
| 5.3 多机器人协同定位系统的非线性误差模型 | 第80-82页 |
| 5.3.1 状态方程 | 第80页 |
| 5.3.2 量测方程 | 第80-82页 |
| 5.4 试验设备与试验数据说明 | 第82-85页 |
| 5.4.1 移动机器人 | 第83-84页 |
| 5.4.2 静态路标点 | 第84页 |
| 5.4.3 量测信息 | 第84-85页 |
| 5.4.4 位姿基准 | 第85页 |
| 5.5 试验结果与分析 | 第85-91页 |
| 5.6 本章小结 | 第91-92页 |
| 第6章 基于最优信息采集的多移动机器人系统运动规划 | 第92-107页 |
| 6.1 信息论及熵理论 | 第92-94页 |
| 6.1.1 熵 | 第92-93页 |
| 6.1.2 条件熵 | 第93页 |
| 6.1.3 互信息 | 第93-94页 |
| 6.2 最优化算法 | 第94-95页 |
| 6.3 多机器人协同运动规划策略 | 第95-98页 |
| 6.3.1 单步运动控制策略 | 第95-96页 |
| 6.3.2 多步运动控制策略 | 第96-97页 |
| 6.3.3 基于模型预测控制的多机器人协同运动策略 | 第97-98页 |
| 6.4 仿真对比及分析 | 第98-106页 |
| 6.4.1 模型介绍 | 第98-99页 |
| 6.4.2 仿真结果及分析 | 第99-106页 |
| 6.5 本章小结 | 第106-107页 |
| 结论 | 第107-109页 |
| 参考文献 | 第109-121页 |
| 攻读博士学位期间发表的论文和取得的科研成果 | 第121-122页 |
| 致谢 | 第122页 |
