基于多传感器信息融合的移动机器人定位算法研究
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 课题的研究背景和意义 | 第9页 |
| 1.2 移动机器人概述 | 第9-12页 |
| 1.2.1 移动机器人国内外发展现状 | 第9-10页 |
| 1.2.2 移动机器人定位技术 | 第10-12页 |
| 1.3 多传感器信息融合定位的研究现状 | 第12-13页 |
| 1.4 本文研究目的 | 第13-14页 |
| 1.5 本文主要研究内容 | 第14-15页 |
| 第二章 基于多传感器的移动机器人硬件设计 | 第15-30页 |
| 2.1 硬件设计总体方案 | 第15-19页 |
| 2.1.1 机器人模型 | 第15-16页 |
| 2.1.2 传感器选型 | 第16-17页 |
| 2.1.3 方案设计 | 第17-19页 |
| 2.2 STM32控制模块 | 第19-20页 |
| 2.3 超声波测距模块 | 第20-21页 |
| 2.4 激光雷达测距系统 | 第21-23页 |
| 2.5 RFID无线射频识别 | 第23-25页 |
| 2.6 编码器 | 第25-26页 |
| 2.7 电机驱动方案 | 第26-27页 |
| 2.8 蓝牙通讯模块 | 第27-28页 |
| 2.9 电源供电模块 | 第28-29页 |
| 2.10 本章小结 | 第29-30页 |
| 第三章 多传感器融合定位算法和软件实现 | 第30-44页 |
| 3.1 运动控制 | 第30-32页 |
| 3.1.1 数字PID | 第30-32页 |
| 3.1.2 原地转向 | 第32页 |
| 3.2 传感器的测距融合 | 第32-33页 |
| 3.3 里程计模型 | 第33-37页 |
| 3.4 卡尔曼滤波算法 | 第37-42页 |
| 3.4.1 卡尔曼滤波原理[45] | 第37-40页 |
| 3.4.2 卡尔曼滤波定位 | 第40-42页 |
| 3.5 移动机器人的全局定位 | 第42-43页 |
| 3.6 本章小结 | 第43-44页 |
| 第四章 移动机器人定位实验和结论 | 第44-51页 |
| 4.1 电机转速PID算法实验 | 第44页 |
| 4.2 卡尔曼滤波数据融合定位算法实验 | 第44-46页 |
| 4.3 RFID全局定位实验 | 第46-48页 |
| 4.4 多传感器信息融合实验 | 第48-50页 |
| 4.5 本章小结 | 第50-51页 |
| 第五章 总结与展望 | 第51-53页 |
| 致谢 | 第53-54页 |
| 参考文献 | 第54-58页 |
