| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第8-18页 |
| 1.1 课题背景及研究的目的和意义 | 第8-9页 |
| 1.2 国内外信息融合技术在姿态检测方面的研究现状 | 第9-14页 |
| 1.2.1 国外研究现状 | 第9-12页 |
| 1.2.2 国内研究现状 | 第12-14页 |
| 1.3 多传感器信息融合算法简析 | 第14-16页 |
| 1.3.1 卡尔曼滤波法 | 第14-15页 |
| 1.3.2 基于梯度下降的姿态融合算法 | 第15页 |
| 1.3.3 基于支持向量机的数据融合算法 | 第15-16页 |
| 1.3.4 模糊信息融合方法 | 第16页 |
| 1.4 本文的主要研究内容 | 第16-18页 |
| 第2章 独轮机器人姿态检测系统的构建 | 第18-28页 |
| 2.1 引言 | 第18页 |
| 2.2 姿态检测传感器的选择与安装 | 第18-21页 |
| 2.2.1 加速度计ADXL311 | 第18-19页 |
| 2.2.2 陀螺仪MEV50A-R | 第19-20页 |
| 2.2.3 磁力计LSM303DLHC | 第20页 |
| 2.2.4 传感器的安装 | 第20-21页 |
| 2.3 传感器测量值与欧拉角关系推算 | 第21-26页 |
| 2.4 传感器信息采集 | 第26-27页 |
| 2.5 本章小结 | 第27-28页 |
| 第3章 基于卡尔曼滤波的传感器信息融合方法研究 | 第28-48页 |
| 3.1 引言 | 第28-29页 |
| 3.2 算法的比较与选择 | 第29-43页 |
| 3.2.1 系统模型的建立 | 第29-32页 |
| 3.2.2 扩展卡尔曼滤波算法EKF | 第32-38页 |
| 3.2.3 无味卡尔曼滤波算法UKF | 第38-42页 |
| 3.2.4 结果比较分析与算法选择 | 第42-43页 |
| 3.3 参数对UKF滤波效果的影响 | 第43-47页 |
| 3.3.1 状态误差协方差初值P)1( 对滤波结果的影响 | 第43-44页 |
| 3.3.2 过程噪声协方差Q对滤波结果的影响 | 第44-45页 |
| 3.3.3 测量噪声协方差R对滤波结果的影响 | 第45-47页 |
| 3.4 本章小结 | 第47-48页 |
| 第4章 姿态检测算法UKF的实验验证及算法改进 | 第48-74页 |
| 4.1 引言 | 第48页 |
| 4.2 基于二自由度平台PAN-TILT的UKF实验验证 | 第48-58页 |
| 4.2.1 二自由度平台PAN-TILT的介绍 | 第48-50页 |
| 4.2.2 传感器的标定 | 第50-52页 |
| 4.2.3 横滚角和俯仰角的UKF实验验证 | 第52-58页 |
| 4.3 自适应无味卡尔曼滤波算法的提出与验证 | 第58-72页 |
| 4.3.1 非重力加速度对加速度计测量值的影响分析 | 第58-62页 |
| 4.3.2 UKF算法的改进及实验验证 | 第62-72页 |
| 4.4 本章小结 | 第72-74页 |
| 结论 | 第74-75页 |
| 参考文献 | 第75-80页 |
| 攻读硕士学位期间发表的学术论文 | 第80-82页 |
| 致谢 | 第82页 |
