面向智能移动机器人的定位技术研究
| 摘要 | 第1-7页 |
| ABSTRACT | 第7-13页 |
| 1 绪论 | 第13-30页 |
| ·智能移动机器人研究背景与现状 | 第13-18页 |
| ·国外研究的背景与现状 | 第13-17页 |
| ·国内研究的背景与现状 | 第17-18页 |
| ·智能移动机器人定位研究概述 | 第18-22页 |
| ·航位推算定位 | 第19页 |
| ·GPS定位 | 第19页 |
| ·地图匹配定位 | 第19-20页 |
| ·基于路标定位 | 第20页 |
| ·基于视觉定位 | 第20-21页 |
| ·基于激光雷达的定位 | 第21页 |
| ·基于概率的定位 | 第21页 |
| ·组合定位技术 | 第21-22页 |
| ·多机器人协作定位 | 第22页 |
| ·智能移动机器人SLAM概述 | 第22-26页 |
| ·SLAM的发展历史 | 第23-24页 |
| ·SLAM问题的实现方法 | 第24-25页 |
| ·SLAM研究的关键问题 | 第25-26页 |
| ·多机器人协作SLAM | 第26页 |
| ·本文的主要研究内容及创新点 | 第26-30页 |
| ·论文的内容 | 第26-28页 |
| ·论文的创新点 | 第28-30页 |
| 2 智能移动机器人定位坐标系统 | 第30-39页 |
| ·GPS参考坐标系统 | 第30-31页 |
| ·高斯平面直角坐标系统 | 第31-34页 |
| ·平面坐标的转换 | 第34-35页 |
| ·已知两个公共点的转换参数解 | 第34-35页 |
| ·知两个以上公共点的转换参数解 | 第35页 |
| ·全局坐标系与机器人坐标系的转换 | 第35-38页 |
| ·全局坐标向机器人坐标转换 | 第36-37页 |
| ·机器人坐标向全局坐标的转换 | 第37-38页 |
| ·本章小结 | 第38-39页 |
| 3 智能移动机器人定位中的差分GPS坐标解算模型 | 第39-52页 |
| ·GPS载波相位观测模型 | 第39-41页 |
| ·GPS载波相位观测模型的线性化 | 第41-42页 |
| ·载波相位差分GPS观测模型 | 第42-43页 |
| ·载波相位观测量的线性组合 | 第42页 |
| ·载波相位差分GPS观测模型 | 第42-43页 |
| ·GPS基线向量的解算模型 | 第43-46页 |
| ·基于VRS的差分GPS坐标解算模型 | 第46-51页 |
| ·VRS双差改正数生成算法 | 第46-48页 |
| ·VRS单差观测值算法 | 第48-49页 |
| ·流动站坐标计算 | 第49-51页 |
| ·本章小结 | 第51-52页 |
| 4 基于差分GPS/DR的组合定位 | 第52-66页 |
| ·卡尔曼滤波器原理 | 第52-53页 |
| ·差分GPS/DR组合定位系统状态模型 | 第53-55页 |
| ·基于EKF的差分GPS/DR算法结构 | 第55-56页 |
| ·基于UKF的差分GPS/DR算法结构 | 第56-60页 |
| ·UT原理 | 第57-58页 |
| ·SUT原理 | 第58页 |
| ·基于UKF的差分GPS/DR算法 | 第58-60页 |
| ·基于SUT-EKF的差分GPS/DR算法结构 | 第60-61页 |
| ·实验与结果分析 | 第61-65页 |
| ·本章小结 | 第65-66页 |
| 5 基于EKF的SLAM算法及数据关联技术 | 第66-85页 |
| ·SLAM问题的概率描述 | 第66-67页 |
| ·基于EKF的SLAM算法模型 | 第67-76页 |
| ·联合状态向量的动态模型 | 第67-68页 |
| ·EKF SLAM算法过程 | 第68-71页 |
| ·一种改进的EKF SLAM算法 | 第71-72页 |
| ·实验结果及数据分析 | 第72-76页 |
| ·SLAM数据关联技术 | 第76-84页 |
| ·独立相容最近邻数据关联算法 | 第76-77页 |
| ·联合相容分枝定界的数据关联算法 | 第77页 |
| ·多算法匹配数据关联方法 | 第77-79页 |
| ·实验与结果分析 | 第79-84页 |
| ·本章小结 | 第84-85页 |
| 6 基于PF/CUKF/EKF的SLAM算法 | 第85-104页 |
| ·粒子滤波原理 | 第85-91页 |
| ·贝叶斯滤波问题 | 第85-87页 |
| ·贝叶斯重要性采样(BIS) | 第87-89页 |
| ·序列重要性采样(SIS) | 第89页 |
| ·粒子退化和重采样 | 第89-91页 |
| ·粒子滤波SLAM描述 | 第91-93页 |
| ·基于CUKF提议分布算法及采样 | 第93-96页 |
| ·CUKF算法 | 第93-96页 |
| ·提议分布采样 | 第96页 |
| ·基于EKF的特征地图位置的更新 | 第96-97页 |
| ·基于统计理论的SLAM一致性评估 | 第97-99页 |
| ·实验结果及数据分析 | 第99-103页 |
| ·机器人运动模型 | 第99页 |
| ·机器人的观测模型 | 第99页 |
| ·仿真实验结果 | 第99-103页 |
| ·本章小结 | 第103-104页 |
| 7 分布式的多机器人协作定位 | 第104-118页 |
| ·引言 | 第104-105页 |
| ·基于分布式UKF的多机器人协作定位 | 第105-111页 |
| ·多机器人的状态模型 | 第106-107页 |
| ·基于分布式UKF的多机器人协作定位算法 | 第107-109页 |
| ·仿真实验 | 第109-111页 |
| ·基于分布式UPF的多机器人C-SLAM | 第111-117页 |
| ·虚拟观测量的构建 | 第111-112页 |
| ·分布式粒子滤波的框架 | 第112-114页 |
| ·仿真实验 | 第114-117页 |
| ·本章小结 | 第117-118页 |
| 8 总结与展望 | 第118-120页 |
| 致谢 | 第120-121页 |
| 参考文献 | 第121-134页 |
| 附录 | 第134页 |
