基于多传感器信息融合的移动机器人自定位算法研究
| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 第一章 绪论 | 第7-13页 |
| ·课题的研究背景和意义 | 第7页 |
| ·移动机器人概述 | 第7-10页 |
| ·移动机器人国内外发展现状 | 第7-9页 |
| ·移动机器人自定位技术 | 第9-10页 |
| ·信息融合技术及应用 | 第10-11页 |
| ·信息融合 | 第10-11页 |
| ·信息融合技术在机器人领域的应用 | 第11页 |
| ·本文主要研究内容及安排 | 第11-13页 |
| 第二章 多传感器信息融合技术 | 第13-23页 |
| ·多传感器信息融合的基本原理 | 第13-14页 |
| ·信息融合系统的功能模块 | 第14-18页 |
| ·信息融合的常用方法 | 第18-20页 |
| ·多传感器信息融合的优点 | 第20-21页 |
| ·本章小结 | 第21-23页 |
| 第三章 基于概率的机器人定位方法 | 第23-35页 |
| ·定位中的不确定性 | 第23页 |
| ·贝叶斯滤波 | 第23-26页 |
| ·贝叶斯滤波原理 | 第23-25页 |
| ·贝叶斯滤波定位 | 第25-26页 |
| ·卡尔曼滤波定位算法 | 第26-33页 |
| ·卡尔曼滤波器 | 第26-30页 |
| ·卡尔曼滤波在定位中的应用 | 第30-32页 |
| ·卡尔曼滤波器的应用特点 | 第32-33页 |
| ·本章小结 | 第33-35页 |
| 第四章 多传感器信息融合定位算法研究 | 第35-51页 |
| ·机器人自定位 | 第35-37页 |
| ·机器人自定位系统模型 | 第35-36页 |
| ·数据匹配 | 第36-37页 |
| ·扩展卡尔曼定位算法 | 第37-41页 |
| ·扩展卡尔曼滤波原理 | 第37-38页 |
| ·扩展卡尔曼滤波算法 | 第38-40页 |
| ·扩展卡尔曼滤波的机器人定位 | 第40-41页 |
| ·基于信息融合的迭代扩展卡尔曼滤波算法 | 第41-48页 |
| ·迭代扩展卡尔曼滤波算法 | 第41-45页 |
| ·信息融合定位算法 | 第45-48页 |
| ·IEKF滤波器参数设置 | 第48-49页 |
| ·本章小结 | 第49-51页 |
| 第五章 移动机器人自定位仿真 | 第51-63页 |
| ·定位仿真系统 | 第51-55页 |
| ·机器人坐标系统模型 | 第51-52页 |
| ·环境特征模型 | 第52页 |
| ·运动控制模型 | 第52-54页 |
| ·传感器观测模型 | 第54-55页 |
| ·仿真实验环境 | 第55-56页 |
| ·实验结果及分析 | 第56-61页 |
| ·本章小结 | 第61-63页 |
| 总结与展望 | 第63-65页 |
| 参考文献 | 第65-69页 |
| 攻读硕士学位期间取得的科研成果 | 第69-71页 |
| 致谢 | 第71页 |
