基于粒子滤波的微小型移动机器人红外定位方法研究
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 1 绪论 | 第9-19页 |
| 1.1 课题研究背景 | 第9页 |
| 1.2 国内外研究现状 | 第9-15页 |
| 1.2.1 微小型移动机器人 | 第9-12页 |
| 1.2.2 定位方法 | 第12-15页 |
| 1.3 微小型桌面移动机器人实验平台 | 第15-17页 |
| 1.4 本文主要内容和章节安排 | 第17-19页 |
| 2 红外定位模型 | 第19-28页 |
| 2.1 微小型移动机器人红外定位模型 | 第19-23页 |
| 2.1.1 红外定位的原理 | 第19页 |
| 2.1.2 自定位模型 | 第19-21页 |
| 2.1.3 相对定位模型 | 第21-23页 |
| 2.2 红外定位的特性 | 第23-27页 |
| 2.2.1 红外强度与距离 | 第23-24页 |
| 2.2.2 红外强度测量噪音 | 第24-25页 |
| 2.2.3 测量方位和距离的准确性 | 第25-27页 |
| 2.3 本章小结 | 第27-28页 |
| 3 贝叶斯滤波方法 | 第28-40页 |
| 3.1 贝叶斯状态估计 | 第28-29页 |
| 3.1.1 贝叶斯理论 | 第28页 |
| 3.1.2 离散系统的贝叶斯滤波 | 第28-29页 |
| 3.2 卡尔曼系滤波器 | 第29-32页 |
| 3.2.1 经典卡尔曼滤波器 | 第30-31页 |
| 3.2.2 扩展卡尔曼滤波器 | 第31-32页 |
| 3.3 粒子滤波器 | 第32-36页 |
| 3.3.1 蒙特卡罗随机模拟 | 第33页 |
| 3.3.2 标准粒子滤波器 | 第33-35页 |
| 3.3.3 退化现象 | 第35-36页 |
| 3.4 滤波算法的仿真实验 | 第36-39页 |
| 3.4.1 线性系统的卡尔曼滤波 | 第36-37页 |
| 3.4.2 非线性系统的滤波仿真 | 第37-39页 |
| 3.5 本章小结 | 第39-40页 |
| 4 粒子滤波定位方法 | 第40-46页 |
| 4.1 坐标系模型 | 第40-41页 |
| 4.2 里程计模型 | 第41-43页 |
| 4.2.1 里程计模型的建立 | 第41-42页 |
| 4.2.2 里程计运动模型 | 第42-43页 |
| 4.2.3 里程计的误差分析 | 第43页 |
| 4.3 粒子滤波定位算法 | 第43-45页 |
| 4.4 本章小结 | 第45-46页 |
| 5 仿真实验 | 第46-52页 |
| 5.1 定位仿真 | 第46-49页 |
| 5.2 误差分析 | 第49-51页 |
| 5.3 本章小结 | 第51-52页 |
| 6 总结与展望 | 第52-54页 |
| 6.1 总结 | 第52页 |
| 6.2 展望 | 第52-54页 |
| 参考文献 | 第54-58页 |
| 个人简历 | 第58-59页 |
| 致谢 | 第59页 |
