基于多传感器信息融合的多机器人协同定位技术研究
| 摘要 | 第1-10页 |
| ABSTRACT | 第10-11页 |
| 第一章 绪论 | 第11-16页 |
| ·课题开展的背景及意义 | 第11-12页 |
| ·自主式多机器人协同定位技术发展状况 | 第12-15页 |
| ·论文的主要内容和结构 | 第15-16页 |
| 第二章 群体体系结构及点目标运动与观测模型 | 第16-29页 |
| ·群体体系结构 | 第16-17页 |
| ·两轮机器人点目标运动模型分析 | 第17-23页 |
| ·二维平面内两轮机器人小车运动模型 | 第18-20页 |
| ·运动速度与角速度噪声数值关系 | 第20-23页 |
| ·全向四轮机器人点目标运动模型分析 | 第23-25页 |
| ·观测模型分析 | 第25-28页 |
| ·小结 | 第28-29页 |
| 第三章 基于EKF 的多机器人协同定位研究 | 第29-39页 |
| ·基于两轮模型的扩展卡尔曼滤波（EKF） | 第29-34页 |
| ·扩展卡尔曼滤波（EKF） | 第29-30页 |
| ·基于EKF 的仿真实验 | 第30-33页 |
| ·基于EKF 的实验结果分析 | 第33-34页 |
| ·基于四轮模型的扩展卡尔曼滤波（EKF） | 第34-38页 |
| ·扩展卡尔曼滤波(EKF) | 第35页 |
| ·基于EKF 的实验及结果分析 | 第35-38页 |
| ·小结 | 第38-39页 |
| 第四章 基于粒子滤波器及其改进型的协同定位研究 | 第39-55页 |
| ·标准粒子滤波器(PF) | 第39-43页 |
| ·粒子滤器(PF) | 第39-41页 |
| ·仿真实验及分析 | 第41-43页 |
| ·高斯－施密特粒子滤波器（GHPF） | 第43-50页 |
| ·高斯－施密特积分公式 | 第44-45页 |
| ·高斯－施密特粒子滤波 | 第45-46页 |
| ·仿真实验及分析 | 第46-50页 |
| ·PF-EKF 算法协同定位研究 | 第50-54页 |
| ·PF-EKF 算法基本原理 | 第50-52页 |
| ·仿真实验及分析 | 第52-54页 |
| ·小结 | 第54-55页 |
| 第五章 多机器人协同定位中参考目标的选择 | 第55-61页 |
| ·基于最大信息熵的参考目标选择方法 | 第56-57页 |
| ·基于 EKF 的选择实现仿真及分析 | 第57-60页 |
| ·小结 | 第60-61页 |
| 第六章 结束语 | 第61-63页 |
| 致谢 | 第63-64页 |
| 参考文献 | 第64-67页 |
| 在学期间取得的学术成果 | 第67页 |
