| 摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 1 绪论 | 第8-16页 |
| ·自动导航小车的应用与发展 | 第8-10页 |
| ·AGV的关键研究技术 | 第10-11页 |
| ·感知技术 | 第10页 |
| ·环境信息建模与理解 | 第10-11页 |
| ·路径规划 | 第11页 |
| ·定位技术 | 第11页 |
| ·运动控制技术 | 第11页 |
| ·AGV定位方法 | 第11-13页 |
| ·多传感器信息融合 | 第13-14页 |
| ·本文内容与结构 | 第14-16页 |
| 2 XATU.AGV100定位 | 第16-30页 |
| ·XATU.AGV100结构 | 第16-17页 |
| ·AGV运动状态方程 | 第17-21页 |
| ·刚体间相对关系描述 | 第17-18页 |
| ·AGV在工作空间中的位姿表述 | 第18-19页 |
| ·AGV运动学模型 | 第19-21页 |
| ·XAUT.AGV100的导航定位系统 | 第21-23页 |
| ·XATU.AGV100的传感器定位原理 | 第23-26页 |
| ·编码器 | 第24-25页 |
| ·超声波传感器 | 第25页 |
| ·压电陀螺仪测角原理 | 第25-26页 |
| ·基于多传感器信息融合的AGV导航定位 | 第26-30页 |
| 3 基于陀螺仪信息的AGV姿态估计 | 第30-42页 |
| ·多传感器数据融合方法 | 第30-31页 |
| ·Kalman滤波器 | 第31-33页 |
| ·AGV姿态角估计的Kalman滤波器设计 | 第33-35页 |
| ·AGV姿态角估计的Kalman滤波算法仿真 | 第35-36页 |
| ·AGV姿态角估计的Kalman滤波器实时性分析 | 第36-38页 |
| ·AGV姿态角融合估计实验 | 第38-40页 |
| ·实验装置 | 第38-39页 |
| ·AGV姿态角实时估计实验 | 第39-40页 |
| ·本章小结 | 第40-42页 |
| 4 基于超声波测距的AGV位姿估计 | 第42-56页 |
| ·AGV超声波传感器侧向定位原理 | 第42-43页 |
| ·多超声波传感器信息的融合方法设计 | 第43-46页 |
| ·超声波传感器的测距状态方程 | 第43-45页 |
| ·超声波传感器测距的测量方程 | 第45-46页 |
| ·超声波传感器的标定 | 第46页 |
| ·超声波传感器动态测距实验 | 第46-50页 |
| ·基于超声波测距Kalman滤波器对AGV定位实验 | 第50-54页 |
| ·本章小结 | 第54-56页 |
| 5 基于多传感器分布式信息融合Kalman滤波器的AGV定位 | 第56-66页 |
| ·多传感器分布式信息融合Kalman滤波器建模 | 第56-57页 |
| ·多传感器信息融合三种加权最优准则 | 第57-61页 |
| ·按矩阵加权线性最小方差最优融合准则和算法 | 第57-59页 |
| ·按标量加权线性最小方差最优信息融合准则和算法 | 第59-60页 |
| ·按对角阵加权线性最小方差最优融合估计准则和算法 | 第60-61页 |
| ·基于多传感器分布式信息融合Kalman滤波器的AGV姿态估计 | 第61-65页 |
| ·多传感器分布式信息融合Kalman滤波器 | 第61-62页 |
| ·多传感器分布式信息融合Kalman滤波器仿真实验 | 第62-64页 |
| ·直线轨迹跟踪定位实验 | 第64-65页 |
| ·本章小结 | 第65-66页 |
| 6 总结与展望 | 第66-68页 |
| ·研究内容的总结 | 第66页 |
| ·研究展望 | 第66-68页 |
| 致谢 | 第68-70页 |
| 参考文献 | 第70-72页 |
