基于粒子滤波的室内自主移动机器人快速定位方法
| 致谢 | 第3-4页 |
| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 1 绪论 | 第16-22页 |
| 1.1 选题背景和研究意义 | 第16-17页 |
| 1.2 自主移动机器人定位技术研究现状 | 第17-20页 |
| 1.3 自主移动机器人定位技术研究现状 | 第20-22页 |
| 2 粒子滤波定位原理 | 第22-30页 |
| 2.1 贝叶斯滤波原理 | 第22-24页 |
| 2.2 粒子滤波原理 | 第24-30页 |
| 3 基于里程计和运动概率模型的粒子位姿更新 | 第30-60页 |
| 3.1 机器人运动概率模型 | 第30-35页 |
| 3.2 四麦克纳姆轮里程计 | 第35-40页 |
| 3.3 编码器与IMU融合的里程计 | 第40-47页 |
| 3.4 高斯采样 | 第47-51页 |
| 3.5 基于ROS的粒子位姿更新实验 | 第51-60页 |
| 4 基于观测概率模型的粒子加权 | 第60-69页 |
| 4.1 波束概率模型及光线投射法 | 第61-66页 |
| 4.2 似然场模型 | 第66-67页 |
| 4.3粒子加权及重采样实验 | 第67页 |
| 4.4 本章小结 | 第67-69页 |
| 5 粒子快速加权方法及应用 | 第69-85页 |
| 5.1 基于查找表法的粒子快速加权方法 | 第69-72页 |
| 5.2 改进的查找表法 | 第72-81页 |
| 5.3 基于GPU的粒子并行加速运算 | 第81-85页 |
| 6 结论 | 第85-87页 |
| 6.1 总结 | 第85页 |
| 6.2 展望 | 第85-87页 |
| 参考文献 | 第87-92页 |
| 作者简历 | 第92-94页 |
| 学位论文数据集 | 第94页 |
