基于多传感器融合的机器人环境感知研究
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-7页 |
| 目录 | 第7-9页 |
| 第1章 绪论 | 第9-17页 |
| ·研究背景及意义 | 第9-10页 |
| ·多传感器信息融合概述 | 第10-15页 |
| ·多传感器信息融合基本原理 | 第10页 |
| ·多传感器信息融合系统的结构 | 第10-13页 |
| ·多传感器信息融合算法 | 第13-15页 |
| ·多传感器融合在环境感知中的应用 | 第15-16页 |
| ·本文主要研究内容 | 第16-17页 |
| 第2章 核方法及其应用 | 第17-22页 |
| ·引言 | 第17页 |
| ·核方法概述 | 第17-20页 |
| ·核方法基本原理 | 第17-19页 |
| ·核函数的构造 | 第19-20页 |
| ·核方法在信息融合中的应用 | 第20-21页 |
| ·本章小结 | 第21-22页 |
| 第3章 基于核方法的多传感器信息融合 | 第22-32页 |
| ·基于核方法的信息融合流程 | 第22-23页 |
| ·特征提取 | 第23-26页 |
| ·PCA特征提取 | 第23-24页 |
| ·KPCA特征提取 | 第24-26页 |
| ·基于核的判别器 | 第26-28页 |
| ·核函数及其参数选取 | 第28-31页 |
| ·核函数选取 | 第28-29页 |
| ·核参数及惩罚因子选取 | 第29-31页 |
| ·本章小结 | 第31-32页 |
| 第4章 粒子滤波方法及应用 | 第32-41页 |
| ·引言 | 第32页 |
| ·贝叶斯滤波 | 第32-34页 |
| ·粒子滤波算法 | 第34-38页 |
| ·基本粒子滤波算法 | 第35页 |
| ·SIS粒子滤波算法 | 第35-36页 |
| ·SIR粒子滤波算法 | 第36-38页 |
| ·粒子滤波的环境感知 | 第38-40页 |
| ·本章小结 | 第40-41页 |
| 第5章 核方法多传感器融合的环境感知 | 第41-63页 |
| ·引言 | 第41页 |
| ·核方法多传感器融合的位姿判别 | 第41-54页 |
| ·实验数据 | 第42-44页 |
| ·样本特征提取及综合 | 第44-47页 |
| ·样本训练 | 第47-53页 |
| ·样本预测 | 第53-54页 |
| ·基于PF的机器人自定位 | 第54-62页 |
| ·运动模型 | 第54-57页 |
| ·观测模型 | 第57-59页 |
| ·定位实验 | 第59-61页 |
| ·实验结果分析 | 第61-62页 |
| ·本章小结 | 第62-63页 |
| 第6章 总结与展望 | 第63-65页 |
| ·总结 | 第63-64页 |
| ·展望 | 第64-65页 |
| 参考文献 | 第65-67页 |
| 致谢 | 第67-68页 |
| 攻读硕士期间完成的论文和科硏成果 | 第68-69页 |
