基于多传感器信息融合的同步定位与地图创建研究
| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 第1章 绪论 | 第8-23页 |
| ·移动机器人的发展概况 | 第8-14页 |
| ·移动机器人分类 | 第8页 |
| ·国外移动机器人发展概况 | 第8-11页 |
| ·国内移动机器人发展概况 | 第11-13页 |
| ·移动机器人研究的发展趋势 | 第13-14页 |
| ·移动机器人同步定位与地图创建（SLAM） | 第14-17页 |
| ·SLAM 问题的发展 | 第15-16页 |
| ·SLAM 领域的研究内容 | 第16页 |
| ·SLAM 问题研究的关键技术 | 第16-17页 |
| ·移动机器人研究中的多传感器信息融合技术 | 第17-21页 |
| ·多传感器信息融合定义及原理 | 第17-18页 |
| ·多传感器信息融合技术的发展概况 | 第18-19页 |
| ·多传感器信息融合技术在移动机器人中的应用 | 第19-20页 |
| ·移动机器人中多传感器信息融合技术的发展趋势 | 第20-21页 |
| ·论文的选题意义及内容安排 | 第21-23页 |
| 第2章 移动机器人的多传感器信息融合 | 第23-38页 |
| ·自主移动机器人传感器分类介绍及比较 | 第23-26页 |
| ·内部传感器 | 第23页 |
| ·外部传感器 | 第23-26页 |
| ·传感器的其它分类方式 | 第26页 |
| ·自主移动机器人传感器模型 | 第26-29页 |
| ·里程计模型 | 第26-28页 |
| ·数字摄像机模型 | 第28页 |
| ·超声波测距仪模型 | 第28-29页 |
| ·多传感器信息融合技术 | 第29-38页 |
| ·多传感器信息融合模型 | 第29-32页 |
| ·多传感器信息融合过程 | 第32-33页 |
| ·移动机器人领域中多传感器信息融合方法 | 第33-36页 |
| ·多传感器数据关联 | 第36-38页 |
| 第3章 SLAM 问题的模型建立及算法实现 | 第38-50页 |
| ·移动机器人定位时的环境地图表示与定位方法 | 第38-42页 |
| ·移动机器人的环境表示模型 | 第38-40页 |
| ·定位方法 | 第40-42页 |
| ·SLAM 问题的相关模型 | 第42-46页 |
| ·坐标系统模型 | 第42-43页 |
| ·环境地图模型 | 第43-44页 |
| ·机器人位置模型 | 第44页 |
| ·机器人运动模型 | 第44-45页 |
| ·传感器观测模型 | 第45-46页 |
| ·噪声模型 | 第46页 |
| ·SLAM 问题的一般模型 | 第46-48页 |
| ·SLAM 问题的解决方法 | 第48-50页 |
| 第4章 基于扩展卡尔曼滤波的同步定位与地图创建 | 第50-62页 |
| ·地图创建 | 第50-51页 |
| ·环境特征提取 | 第51-55页 |
| ·基于Ridgelet(脊波)的线段特征提取 | 第52-55页 |
| ·基于小波的点状特征提取 | 第55页 |
| ·在室内已知环境下基于线性系统模型的全局地图创建 | 第55-62页 |
| ·扩展Kalman 滤波 | 第57-59页 |
| ·基于多传感器融合的扩展卡尔曼滤波定位算法 | 第59-60页 |
| ·同步定位与地图创建过程 | 第60-62页 |
| 第5章 仿真实验与结果 | 第62-71页 |
| ·实验一：多传感器信息融合仿真实验 | 第62-64页 |
| ·实验二：移动机器人定位仿真实验 | 第64-66页 |
| ·实验三：移动机器人地图生成实验 | 第66页 |
| ·实验四：走廊环境SLAM 实验 | 第66-71页 |
| 第6章 总结与展望 | 第71-73页 |
| ·论文工作总结 | 第71-72页 |
| ·展望 | 第72-73页 |
| 参考文献 | 第73-77页 |
| 致谢 | 第77-78页 |
| 附录A 作者在攻读硕士学位期间发表的论文目录 | 第78页 |
