基于扩展卡尔曼滤波的智能车辆多传感器融合定位系统研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第一章 绪论 | 第9-18页 |
| 1.1 研究背景和意义 | 第9-11页 |
| 1.2 国内外研究情况 | 第11-16页 |
| 1.2.1 国外研究现状 | 第11-13页 |
| 1.2.2 国内研究现状 | 第13-16页 |
| 1.3 研究课题的提出 | 第16-17页 |
| 1.4 研究内容 | 第17-18页 |
| 第二章 融合定位系统理论分析 | 第18-29页 |
| 2.1 引言 | 第18-24页 |
| 2.1.1 卫星定位系统原理 | 第18-23页 |
| 2.1.2 惯性导航系统原理 | 第23-24页 |
| 2.2 多传感器数据融合方法 | 第24-29页 |
| 2.2.1 线性卡尔曼滤波 | 第25-26页 |
| 2.2.2 扩展卡尔曼滤波 | 第26-29页 |
| 第三章 基于ROS的多传感器融合定位 | 第29-42页 |
| 3.1 引言 | 第29页 |
| 3.2 机器人操作系统ROS平台 | 第29-30页 |
| 3.3 EKF应用于融合定位 | 第30-31页 |
| 3.4 EKF融合定位测试 | 第31-40页 |
| 3.5 小结 | 第40-42页 |
| 第四章 基于改进的扩展卡尔曼滤波融合定位 | 第42-52页 |
| 4.1 引言 | 第42-43页 |
| 4.2 改进型卡尔曼滤波理论分析 | 第43-44页 |
| 4.3 改进型卡尔曼滤波算法实现 | 第44-46页 |
| 4.4 基于改进型卡尔曼滤波算法融合滤波测试 | 第46-51页 |
| 4.5 小结 | 第51-52页 |
| 第五章 总结与展望 | 第52-54页 |
| 5.1 总结 | 第52-53页 |
| 5.2 展望 | 第53-54页 |
| 参考文献 | 第54-60页 |
| 致谢 | 第60-61页 |
| 附录 (攻读学位期间申请的专利及软件著作权) | 第61页 |
