室内未知环境自主定位的自适应加权快速扩展信息滤波模型
| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第1章 绪论 | 第10-19页 |
| ·选题背景与意义 | 第10-11页 |
| ·国内外研究现状 | 第11-14页 |
| ·研究内容 | 第14-19页 |
| ·研究内容与方法 | 第14-16页 |
| ·技术路线与文章结构 | 第16-19页 |
| 第2章 常用定位算法 | 第19-27页 |
| ·同时定位与制图算法 | 第19-25页 |
| ·同时定位与制图算法特点 | 第19-20页 |
| ·SLAM 的方法 | 第20-25页 |
| ·粒子滤波器的 SLAM 方法 | 第20-21页 |
| ·FastSLAM 的 SLAM 方法 | 第21页 |
| ·扩展卡尔曼滤波的 SLAM 方法 | 第21-22页 |
| ·扩展信息滤波的 SLAM 方法 | 第22-25页 |
| ·SLAM 存在问题 | 第25-26页 |
| ·本章小结 | 第26-27页 |
| 第3章 自适应加权快速扩展信息滤波模型 | 第27-51页 |
| ·扩展卡尔曼滤波模型 | 第27-32页 |
| ·卡尔曼滤波原理 | 第27-32页 |
| ·线性卡尔曼滤波 | 第27-30页 |
| ·扩展卡尔曼滤波 | 第30-32页 |
| ·自适应性加权快速扩展信息滤波模型 | 第32-50页 |
| ·理论基础 | 第33页 |
| ·状态空间和系统模型 | 第33-35页 |
| ·系统信息空间 | 第33-34页 |
| ·系统状态模型 | 第34-35页 |
| ·系统增广模型 | 第35-39页 |
| ·基于影像及 BaySAC 算法的双站拼接 | 第35-38页 |
| ·增广模型 | 第38-39页 |
| ·观测模型 | 第39-47页 |
| ·多特征信息 | 第39-45页 |
| ·同名点观测模型 | 第45-46页 |
| ·多特征观测模型 | 第46-47页 |
| ·状态增广 | 第47-48页 |
| ·更新 | 第48页 |
| ·信息矩阵稀疏化 | 第48-50页 |
| ·本章小结 | 第50-51页 |
| 第4章 实验与分析 | 第51-75页 |
| ·室内 Kinect 自主定位实验 | 第51-65页 |
| ·Kinect 实验数据 | 第51-52页 |
| ·基于影像及 BaySac 算法的双站拼接 | 第52-53页 |
| ·多特征信息提取 | 第53-57页 |
| ·拟合拟合精度分析 | 第53-54页 |
| ·基于影像及 BaySAC 算法序列拼接精度 | 第54-56页 |
| ·多特征信息拼接精度 | 第56-57页 |
| ·扩展卡尔曼滤波模型 | 第57-58页 |
| ·扩展信息滤波模型 | 第58-59页 |
| ·结合多特征的扩展卡尔曼模型 | 第59-61页 |
| ·结合多特征的扩展信息模型 | 第61-65页 |
| ·隧道点云数据自主定位实验 | 第65-74页 |
| ·隧道实验数据 | 第65-66页 |
| ·中轴线自动提取 | 第66-69页 |
| ·隧道数据自主定位实验 | 第69-74页 |
| ·本章小结 | 第74-75页 |
| 第5章 结论与展望 | 第75-77页 |
| ·研究工作总结 | 第75页 |
| ·主要贡献与创新 | 第75-76页 |
| ·进一步工作与展望 | 第76-77页 |
| 参考文献 | 第77-82页 |
| 研究生期间发表学术论文情况 | 第82-83页 |
| 致谢 | 第83页 |
