基于视觉的移动机器人Unscented FastSLAM算法实现
| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 第1章 绪论 | 第8-15页 |
| ·SLAM 技术的历史和发展现状 | 第8-9页 |
| ·课题背景及研究的意义 | 第9页 |
| ·移动机器人同时定位和制图概述 | 第9-13页 |
| ·移动机器人定位 | 第9-10页 |
| ·地图创建 | 第10页 |
| ·同时定位和制图的定义 | 第10-11页 |
| ·同时定位和制图方法的分类 | 第11-13页 |
| ·本文主要的研究内容 | 第13-15页 |
| 第2章 移动机器人实验平台及系统建模 | 第15-21页 |
| ·移动机器人实验平台介绍 | 第15-17页 |
| ·Pioneer3-DX 机器人主要特点 | 第15-16页 |
| ·Pioneer3-DX 硬件配置和性能指标 | 第16页 |
| ·双目视觉传感器 | 第16-17页 |
| ·移动机器人的系统建模 | 第17-20页 |
| ·坐标系的建立 | 第17-18页 |
| ·移动机器人运动模型 | 第18-19页 |
| ·移动机器人观测模型 | 第19-20页 |
| ·本章小结 | 第20-21页 |
| 第3章 环境特征提取 | 第21-36页 |
| ·环境特征提取总体框架 | 第21-22页 |
| ·双目摄像机标定 | 第22-30页 |
| ·坐标系的建立 | 第22-24页 |
| ·摄像机模型 | 第24-25页 |
| ·单摄像机标定算法 | 第25-28页 |
| ·双目摄像机标定 | 第28页 |
| ·标定步骤和结果分析 | 第28-30页 |
| ·双目匹配及深度偏角提取 | 第30-35页 |
| ·双目匹配算法概述 | 第30-31页 |
| ·基于灰度的NCC匹配算法 | 第31-32页 |
| ·目标物深度偏角提取 | 第32-33页 |
| ·实验结果及误差分析 | 第33-35页 |
| ·本章小结 | 第35-36页 |
| 第4章 同时定位与制图算法 | 第36-51页 |
| ·滤波算法 | 第36-41页 |
| ·卡尔曼滤波 | 第36-37页 |
| ·扩展卡尔曼滤波 | 第37-38页 |
| ·Unscented 卡尔曼滤波 | 第38-40页 |
| ·粒子滤波 | 第40-41页 |
| ·FastSLAM 算法 | 第41-46页 |
| ·SLAM 算法描述 | 第41-42页 |
| ·FastSLAM1.0算法 | 第42-44页 |
| ·FastSLAM2.0 算法 | 第44-46页 |
| ·Unscented FastSLAM 算法 | 第46-50页 |
| ·UnscentedFastSLAM 算法的提出 | 第46-47页 |
| ·UnscentedFastSLAM 算法 | 第47-50页 |
| ·本章小结 | 第50-51页 |
| 第5章 同时定位与制图算法仿真和平台实验 | 第51-64页 |
| ·系统仿真及结果分析 | 第51-56页 |
| ·任意路径的仿真实验 | 第51-55页 |
| ·轨迹为圆的仿真实验 | 第55-56页 |
| ·基于 Pioneer3-DX 机器人的平台实验 | 第56-62页 |
| ·轨迹为圆的平台实验 | 第56-58页 |
| ·走廊环境实验及结果分析 | 第58-62页 |
| ·本章小结 | 第62-64页 |
| 结论 | 第64-65页 |
| 参考文献 | 第65-70页 |
| 致谢 | 第70页 |
