| 摘要 | 第10-12页 |
| ABSTRACT | 第12-13页 |
| 第一章 绪论 | 第14-22页 |
| 1.1 课题研究背景 | 第14-16页 |
| 1.2 国内外研究现状 | 第16-19页 |
| 1.2.1 移动机器人定位技术 | 第16-18页 |
| 1.2.2 移动机器人环境建模 | 第18页 |
| 1.2.3 移动机器人的地图构建和动态更新技术 | 第18-19页 |
| 1.3 本课题的主要研究内容及创新点 | 第19-20页 |
| 1.3.1 本课题的主要研究内容 | 第19-20页 |
| 1.3.2 本课题的创新点 | 第20页 |
| 1.4 本课题主要章节安排 | 第20-22页 |
| 第二章 多传感器工作原理和数据处理 | 第22-42页 |
| 2.1 引言 | 第22-24页 |
| 2.2 激光传感器工作原理 | 第24页 |
| 2.3 激光数据预处理算法 | 第24-27页 |
| 2.3.1 激光传感器数据的采集过程 | 第25页 |
| 2.3.2 激光传感器的数据预处理 | 第25-26页 |
| 2.3.3 激光传感器的数据处理实验验证 | 第26-27页 |
| 2.4 里程计运动学模型 | 第27-30页 |
| 2.5 在移动机器人中所应用的RFID技术介绍 | 第30-39页 |
| 2.5.1 RFID标签分类 | 第30-31页 |
| 2.5.2 谱聚类分割算法 | 第31-33页 |
| 2.5.3 RFID标签内容设置过程 | 第33-35页 |
| 2.5.4 RFID辅助里程计位置匹配过程 | 第35-36页 |
| 2.5.5 RFID辅助定位过程 | 第36-39页 |
| 2.6 在移动机器人中应用的惯导模块介绍 | 第39-41页 |
| 2.6.1 iNEMO模块的硬件组成 | 第40-41页 |
| 2.6.2 惯导模块的工作原理和工作过程 | 第41页 |
| 2.7 本章小结 | 第41-42页 |
| 第三章 基于多传感器信息融合的移动机器人自主定位 | 第42-52页 |
| 3.1 引言 | 第42页 |
| 3.2 信息融合的基本算法 | 第42-45页 |
| 3.2.1 基于Bayes理论的数据融合 | 第42-43页 |
| 3.2.2 基于D-S证据理论的推理 | 第43-44页 |
| 3.2.3 算法比较 | 第44-45页 |
| 3.3 移动机器人多传感器融合进行定位的设计与实现 | 第45-49页 |
| 3.3.1 基于Bayes理论方法的关键节点定位 | 第45-46页 |
| 3.3.2 基于Dempster-Shafer证据理论的特殊节点定位 | 第46页 |
| 3.3.3 算法推导 | 第46-48页 |
| 3.3.4 里程计可信度的确定 | 第48-49页 |
| 3.4 基于多传感器数据融合移动机器人定位实现 | 第49-51页 |
| 3.4.1 数据融合定位实验及分析 | 第49-50页 |
| 3.4.2 关键节点间的定位实验 | 第50页 |
| 3.4.3 关键节点的定位实验 | 第50-51页 |
| 3.5 本章小结 | 第51-52页 |
| 第四章 移动机器人激光地图自主构建 | 第52-60页 |
| 4.1 引言 | 第52页 |
| 4.2 激光地图构建原理 | 第52-53页 |
| 4.2.1 激光传感器障碍检测 | 第52-53页 |
| 4.2.2 直线拟合算法选择与实现 | 第53页 |
| 4.3 室内环境构建地图注意的问题 | 第53-57页 |
| 4.3.1 室内环境特殊位置节点选取原则 | 第53-54页 |
| 4.3.2 室内特殊节点选取 | 第54页 |
| 4.3.3 激光在特殊位置的局部地图构建结果 | 第54-57页 |
| 4.4 室内环境局部地图融合为全局地图 | 第57-58页 |
| 4.4.1 局部地图融合为全局地图过程 | 第57页 |
| 4.4.2 全局地图融合结果 | 第57-58页 |
| 4.5 栅格地图更新 | 第58页 |
| 4.6 本章小结 | 第58-60页 |
| 第五章 总结与展望 | 第60-62页 |
| 5.1 本文主要研究结果 | 第60-61页 |
| 5.2 进一步研究方向 | 第61-62页 |
| 参考文献 | 第62-68页 |
| 硕士期间发表的论文和科研成果 | 第68页 |
| 硕士期间参加的科研工作 | 第68-70页 |
| 致谢 | 第70-71页 |
| 学位论文评阅及答辩情况表 | 第71页 |