基于多传感器融合的室内移动机器人定位算法研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第1章 绪论 | 第9-19页 |
| 1.1 课题研究背景及意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-17页 |
| 1.2.1 智能扫地机器人研究现状 | 第10-12页 |
| 1.2.2 SLAM技术研究现状 | 第12-14页 |
| 1.2.3 多传感器融合技术研究现状 | 第14-15页 |
| 1.2.4 紧耦合的视觉惯导SLAM技术研究现状 | 第15-17页 |
| 1.3 本文的主要研究内容 | 第17-19页 |
| 第2章 基于EKF数据融合的定位算法研究 | 第19-34页 |
| 2.1 引言 | 第19页 |
| 2.2 光流计定位原理研究 | 第19-22页 |
| 2.2.1 光流计简介 | 第19-21页 |
| 2.2.2 光流计测试实验 | 第21-22页 |
| 2.3 移动机器人系统模型和观测模型的建立 | 第22-26页 |
| 2.3.1 移动机器人系统模型的建立 | 第22-24页 |
| 2.3.2 传感器观测模型的建立 | 第24-26页 |
| 2.4 扩展卡尔曼滤波器设计 | 第26-27页 |
| 2.5 三种定位方案实验对比 | 第27-33页 |
| 2.5.1 融合模型的建立 | 第27-28页 |
| 2.5.2 实验结果 | 第28-33页 |
| 2.6 本章小结 | 第33-34页 |
| 第3章 视觉SLAM算法优化研究 | 第34-46页 |
| 3.1 引言 | 第34页 |
| 3.2 ORB-SLAM2算法研究 | 第34-36页 |
| 3.3 DBOW2词汇库优化研究 | 第36-40页 |
| 3.3.1 DBoW2词汇库优化 | 第36-38页 |
| 3.3.2 DBoW2优化实验 | 第38-40页 |
| 3.4 基于平面3-DOFVSLAM算法优化研究 | 第40-44页 |
| 3.4.1 平面3-DOFVSLAM算法优化 | 第40-43页 |
| 3.4.2 平面3-DOFVSLAM算法仿真 | 第43-44页 |
| 3.5 本章小结 | 第44-46页 |
| 第4章 基于多传感器融合的紧耦合算法研究 | 第46-55页 |
| 4.1 引言 | 第46页 |
| 4.2 VIO系统架构 | 第46-48页 |
| 4.2.1 系统描述 | 第46-47页 |
| 4.2.2 惯导预积分 | 第47-48页 |
| 4.3 视觉惯导初始化状态估计 | 第48-50页 |
| 4.3.1 陀螺仪零偏估计 | 第49页 |
| 4.3.2 视觉尺度估计 | 第49-50页 |
| 4.4 紧耦合的视觉惯导融合算法 | 第50-54页 |
| 4.4.1 滑动窗口模型 | 第50-52页 |
| 4.4.2 相机测量模型 | 第52-53页 |
| 4.4.3 里程计和光流计测量模型 | 第53页 |
| 4.4.4 IMU测量模型 | 第53-54页 |
| 4.5 本章小结 | 第54-55页 |
| 第5章 移动机器人平台搭建及实验研究 | 第55-69页 |
| 5.1 引言 | 第55页 |
| 5.2 移动机器人平台搭建 | 第55-58页 |
| 5.2.1 Create2硬件平台搭建 | 第55-57页 |
| 5.2.2 STM32F407平台软件设计 | 第57-58页 |
| 5.3 Create2平台实体实验 | 第58-67页 |
| 5.3.1 不同材质表面对比实验 | 第58-60页 |
| 5.3.2 两种场景下的定位实验 | 第60-65页 |
| 5.3.3 VISLAM系统优化对比实验 | 第65-67页 |
| 5.4 本章小结 | 第67-69页 |
| 结论 | 第69-70页 |
| 参考文献 | 第70-76页 |
| 致谢 | 第76页 |
