信息融合技术在移动机器人定位中的应用研究
| 摘要 | 第1-5页 |
| Abstract | 第5-6页 |
| 目录 | 第6-8页 |
| 第一章 绪论 | 第8-14页 |
| ·课题研究的意义 | 第8-9页 |
| ·国内外研究现状 | 第9-10页 |
| ·信息融合技术在机器人领域中的应用 | 第10-12页 |
| ·论文组织结构 | 第12-14页 |
| 第二章 信息融合在移动机器人中应用的理论基础 | 第14-21页 |
| ·多传感器信息融合技术基础 | 第14-18页 |
| ·多传感器信息融合模型 | 第14-17页 |
| ·多传感器信息融合的结构 | 第17-18页 |
| ·多传感器信息的类型 | 第18页 |
| ·多传感器信息的融合算法 | 第18-20页 |
| ·本章小结 | 第20-21页 |
| 第三章 基于扩展卡尔曼定位算法的实现 | 第21-37页 |
| ·基于EKF的移动机器人定位 | 第21-26页 |
| ·机器人运动及坐标系模型 | 第21-22页 |
| ·里程计模型 | 第22-24页 |
| ·声纳模型 | 第24-25页 |
| ·数据关联模型 | 第25-26页 |
| ·噪声模型 | 第26页 |
| ·扩展卡尔曼滤波算法原理 | 第26-28页 |
| ·EKF定位实现 | 第28-33页 |
| ·EKF移动机器人定位方法原理 | 第28-30页 |
| ·EKF定位步骤 | 第30-33页 |
| ·实验分析 | 第33-36页 |
| ·本章小结 | 第36-37页 |
| 第四章 基于改进粒子滤波定位算法的实现 | 第37-51页 |
| ·基本粒子滤波理论算法 | 第37-40页 |
| ·贝叶斯滤波和蒙特卡罗积分算法 | 第37-38页 |
| ·基本粒子滤波算法 | 第38页 |
| ·粒子匮乏现象 | 第38-40页 |
| ·基于分布式信息融合粒子滤波定位方法研究 | 第40-43页 |
| ·序贯重要性采样(SIS) | 第40页 |
| ·粒子滤波重要性重采样 | 第40-41页 |
| ·粒子滤波区分重采样算法 | 第41-42页 |
| ·粒子滤波定位问题的数学描述 | 第42-43页 |
| ·基于分区重采样粒子滤波数据融合 | 第43-49页 |
| ·粒子滤波定位 | 第43-44页 |
| ·基于改进的粒子滤波数据融合定位实现 | 第44-47页 |
| ·基于分区重采样的EKPF | 第47-49页 |
| ·实验分析 | 第49-50页 |
| ·本章小结 | 第50-51页 |
| 第五章 仿真设计和实验结果分析 | 第51-65页 |
| ·仿真设计 | 第51-58页 |
| ·基于EKF和粒子滤波实验结果分析 | 第51-55页 |
| ·基于改进的粒子滤波融合定位实验分析 | 第55-58页 |
| ·实验结果分析 | 第58-63页 |
| ·移动机器人上位机开发 | 第58-61页 |
| ·实验环境设计及结果分析 | 第61-63页 |
| ·本章小结 | 第63-65页 |
| 第六章 工作总结与展望 | 第65-66页 |
| ·工作总结 | 第65页 |
| ·论文的创新点 | 第65页 |
| ·工作展望 | 第65-66页 |
| 致谢 | 第66-67页 |
| 参考文献 | 第67-71页 |
| 攻读硕士学位期间的学术论文 | 第71页 |
