基于多传感器融合的移动机器人决策及规划研究
| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 第一章 绪论 | 第7-15页 |
| ·引言 | 第7页 |
| ·移动机器人研究动态及发展趋势 | 第7-9页 |
| ·国外研究动态及发展趋势 | 第7-8页 |
| ·国内研究动态及发展趋势 | 第8-9页 |
| ·多传感器技术定义及发展概况 | 第9-10页 |
| ·多传感器融合定义及研究意义 | 第9页 |
| ·多传感器融合发展概况 | 第9-10页 |
| ·多传感器融合在移动机器人决策规划中的应用 | 第10-12页 |
| ·移动机器人定位问题概述 | 第10-11页 |
| ·移动机器人同步定位及地图构建(SLAM) | 第11页 |
| ·移动机器人路径规划问题 | 第11-12页 |
| ·基于多传感器融合的移动机器人决策与规划 | 第12页 |
| ·论文主要内容安排 | 第12-13页 |
| ·论文主要创新点 | 第13-15页 |
| 第二章 移动机器人系统模型的建立 | 第15-23页 |
| ·引言 | 第15页 |
| ·移动机器人坐标系的建立 | 第15-17页 |
| ·移动机器人全局坐标系和自身坐标系 | 第15-16页 |
| ·全局坐标系和自身坐标系的关系 | 第16-17页 |
| ·移动机器人运动模型的建立 | 第17-18页 |
| ·移动机器人观测模型的建立 | 第18-20页 |
| ·超声波传感器观测模型 | 第18-19页 |
| ·激光测距仪观测模型 | 第19-20页 |
| ·本章小结 | 第20-23页 |
| 第三章 基于多传感器融合的移动机器人SLAM | 第23-45页 |
| ·引言 | 第23页 |
| ·多传感器融合技术的层次结构 | 第23-24页 |
| ·基于平方根无迹卡尔曼滤波的传感器融合技术 | 第24-28页 |
| ·平方根无迹卡尔曼滤波器 | 第24-26页 |
| ·基于SR-UKF 的多传感器融合 | 第26-28页 |
| ·移动机器人SLAM 定义及蒙特卡洛定位 | 第28-30页 |
| ·移动机器人SLAM 定义 | 第28-29页 |
| ·移动机器人蒙特卡洛定位 | 第29-30页 |
| ·移动机器人的FastSLAM | 第30-33页 |
| ·移动机器人FastSLAM 概述 | 第30-31页 |
| ·移动机器人位姿估计 | 第31-32页 |
| ·环境特征估计 | 第32-33页 |
| ·基于多传感器融合的移动机器人FastSLAM | 第33-38页 |
| ·基于多传感器融合的移动机器人位姿估计 | 第33-35页 |
| ·基于多传感器融合的环境特征估计 | 第35-38页 |
| ·数据关联 | 第38-39页 |
| ·算法仿真 | 第39-43页 |
| ·本章小结 | 第43-45页 |
| 第四章 基于多传感器融合的移动机器人路径决策规划 | 第45-55页 |
| ·引言 | 第45页 |
| ·基于改进蚁群算法的移动机器人路径规划 | 第45-49页 |
| ·蚁群算法 | 第45-46页 |
| ·基本蚁群算法步骤 | 第46-47页 |
| ·基于双群体协作的蚁群算法 | 第47-49页 |
| ·基于多传感器融合的蚁群路径规划决策 | 第49-52页 |
| ·滚动窗口 | 第49-50页 |
| ·局部最优目标位置 | 第50页 |
| ·基于多传感器融合的蚁群路径规划决策步骤 | 第50-52页 |
| ·算法仿真分析 | 第52-54页 |
| ·本章小结 | 第54-55页 |
| 第五章 总结与展望 | 第55-57页 |
| ·课题工作总结 | 第55-56页 |
| ·课题展望 | 第56-57页 |
| 致谢 | 第57-59页 |
| 参考文献 | 第59-63页 |
| 附录：作者在攻读硕士学位期间发表的论文 | 第63页 |
