基于四旋翼飞行器平台多传感器融合的位姿估计方法研究
| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 第一章 引言 | 第16-26页 |
| 1.1 研究背景 | 第16-17页 |
| 1.2 研究现状 | 第17-22页 |
| 1.2.1 被动位姿测量 | 第17-19页 |
| 1.2.2 自主位姿估计 | 第19-22页 |
| 1.3 研究内容与创新点 | 第22-23页 |
| 1.4 论文结构 | 第23-26页 |
| 第二章 IARC场景中的目标识别与位姿估计 | 第26-48页 |
| 2.1 IARC介绍 | 第26-28页 |
| 2.2 系统介绍 | 第28-30页 |
| 2.3 地面机器人检测 | 第30-32页 |
| 2.4 基于优化的四旋翼位姿估计 | 第32-41页 |
| 2.4.1 初始位姿估计 | 第33-36页 |
| 2.4.2 位姿优化 | 第36-39页 |
| 2.4.3 目标方向 | 第39-40页 |
| 2.4.4 IMU融合 | 第40-41页 |
| 2.5 四旋翼控制 | 第41-42页 |
| 2.6 实验验证 | 第42-48页 |
| 2.6.1 检测实验 | 第42-44页 |
| 2.6.2 跟踪实验 | 第44-48页 |
| 第三章 面向四旋翼平台基于多标签融合的位姿估计 | 第48-70页 |
| 3.1 四旋翼平台搭建 | 第48-52页 |
| 3.2 标签选择分析 | 第52-56页 |
| 3.2.1 条码系统 | 第54-55页 |
| 3.2.2 非条码系统 | 第55-56页 |
| 3.3 基于单个标签的位姿估计 | 第56-64页 |
| 3.3.1 ARTag介绍 | 第56页 |
| 3.3.2 标签检测 | 第56-59页 |
| 3.3.3 边框验证 | 第59-60页 |
| 3.3.4 内部验证与ID获取 | 第60-62页 |
| 3.3.5 角点获取 | 第62-64页 |
| 3.4 基于多个标签的位姿估计 | 第64-70页 |
| 3.4.1 算法原理与场景搭建 | 第64-66页 |
| 3.4.2 实验结果分析 | 第66-70页 |
| 第四章 基于多传感器融合的四旋翼室内位姿估计 | 第70-90页 |
| 4.1 坐标系说明 | 第70-71页 |
| 4.2 基于IMU的运动状态分析 | 第71-77页 |
| 4.2.1 IMU模型 | 第71页 |
| 4.2.2 状态表示 | 第71-73页 |
| 4.2.3 误差状态表示 | 第73-75页 |
| 4.2.4 状态转移方程 | 第75-76页 |
| 4.2.5 预测部分归纳 | 第76-77页 |
| 4.3 视觉观测与IMU数据的融合 | 第77-79页 |
| 4.3.1 观测方程 | 第77-78页 |
| 4.3.2 更新部分流程 | 第78-79页 |
| 4.4 时间同步机制与计算优化 | 第79-81页 |
| 4.5 视觉结果异常情况下的位姿估计 | 第81-84页 |
| 4.6 实验验证与分析 | 第84-90页 |
| 4.6.1 多传感器融合的算法验证 | 第84-86页 |
| 4.6.2 视觉结果异常的处理机制 | 第86-90页 |
| 第五章 总结与展望 | 第90-94页 |
| 5.1 总结 | 第90-91页 |
| 5.2 展望 | 第91-94页 |
| 参考文献 | 第94-100页 |
| 致谢 | 第100-102页 |
| 作者简历 | 第102-104页 |
| 攻读硕士学位期间主要的研究成果 | 第104页 |
