| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 研究背景与意义 | 第10-12页 |
| 1.2 国内外研究现状 | 第12-15页 |
| 1.2.1 轮式移动机器人 | 第12页 |
| 1.2.2 移动机器人定位 | 第12-13页 |
| 1.2.3 多移动机器人定位 | 第13-15页 |
| 1.3 本文主要工作 | 第15-16页 |
| 第2章 移动机器人软硬件平台 | 第16-23页 |
| 2.1 引言 | 第16页 |
| 2.2 机器人操作系统 | 第16-17页 |
| 2.2.1 ROS主要特点 | 第16-17页 |
| 2.2.2 ROS的基本概念 | 第17页 |
| 2.3 机器人软硬件系统 | 第17-20页 |
| 2.3.1 机器人硬件系统 | 第17-19页 |
| 2.3.2 机器人软件系统 | 第19-20页 |
| 2.4 传感器系统 | 第20-22页 |
| 2.4.1 RGB-D相机测距原理 | 第20-21页 |
| 2.4.2 激光测距原理 | 第21-22页 |
| 2.5 本章小结 | 第22-23页 |
| 第3章 基于CI融合的异构多机器人协作定位 | 第23-41页 |
| 3.1 引言 | 第23-24页 |
| 3.2 问题描述 | 第24-26页 |
| 3.2.1 系统描述 | 第24-25页 |
| 3.2.2 机器人运动学模型 | 第25-26页 |
| 3.2.3 协作定位框架 | 第26页 |
| 3.3 异构机器人局部定位估计器 | 第26-34页 |
| 3.3.1 线性卡尔曼滤波器 | 第26-28页 |
| 3.3.2 扩展卡尔曼滤波器(Extend Kalman Filter) | 第28-29页 |
| 3.3.3 无迹卡尔曼滤波(Unsecented Kalman Filter) | 第29-31页 |
| 3.3.4 RGB-D局部估计器设计 | 第31-33页 |
| 3.3.5 基于激光传感器的局部估计器 | 第33-34页 |
| 3.4 异构机器人融合定位 | 第34-36页 |
| 3.4.1 CI融合原理 | 第34-35页 |
| 3.4.2 异构机器人融合定位算法 | 第35-36页 |
| 3.5 仿真 | 第36-40页 |
| 3.6 本章小结 | 第40-41页 |
| 第4章 基于分布式融合估计异构多机器人协作定位 | 第41-52页 |
| 4.1 引言 | 第41页 |
| 4.2 问题描述 | 第41-42页 |
| 4.3 基于自适应无迹卡尔曼的局部估计器 | 第42-47页 |
| 4.3.1 带噪声方差估计器的自适应无迹卡尔曼滤波原理 | 第42-44页 |
| 4.3.2 基于RGB-D相机和自适应UKF的局部估计器设计 | 第44-45页 |
| 4.3.3 基于激光传感器和自适应UKF的局部估计器设计 | 第45-47页 |
| 4.4 分布式融合估计器 | 第47-48页 |
| 4.4.1 分布式融合算法原理 | 第47页 |
| 4.4.2 异构多机器人分布式融合算法设计 | 第47-48页 |
| 4.5 仿真 | 第48-51页 |
| 4.6 本章小结 | 第51-52页 |
| 第5章 异构多机器人协作定位实验 | 第52-64页 |
| 5.1 引言 | 第52页 |
| 5.2 异构多机器人协作定位软件设计 | 第52-53页 |
| 5.2.1 需求分析 | 第52-53页 |
| 5.2.2 系统软件总体框架 | 第53页 |
| 5.3 系统软件实现 | 第53-56页 |
| 5.3.1 数据采集模块软件实现 | 第54-55页 |
| 5.3.2 人机交互软件实现 | 第55-56页 |
| 5.4 异构多机器人协作定位实验 | 第56-63页 |
| 5.4.1 基于CI融合异构多机器人协作定位实验 | 第56-60页 |
| 5.4.2 基于分布式融合算法异构多机器人协作定位实验 | 第60-63页 |
| 5.5 本章小结 | 第63-64页 |
| 第6章 结论与展望 | 第64-66页 |
| 6.1 研究工作总结 | 第64页 |
| 6.2 展望 | 第64-66页 |
| 参考文献 | 第66-69页 |
| 附录1 | 第69-72页 |
| 附录2 | 第72-77页 |
| 致谢 | 第77-78页 |
| 攻读学位期间参加的科研项目和成果 | 第78页 |
