基于地磁场的移动机器人室内定位方法研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第10-15页 |
| 1.1 研究背景和意义 | 第10-12页 |
| 1.1.1 机器人行业概况 | 第10-11页 |
| 1.1.2 智能移动机器人室内定位 | 第11-12页 |
| 1.2 国内外研究现状与发展趋势 | 第12-14页 |
| 1.3 论文结构安排 | 第14-15页 |
| 第二章 机器人室内定位技术基础 | 第15-25页 |
| 2.1 引言 | 第15页 |
| 2.2 移动机器人室内定位相关技术 | 第15-20页 |
| 2.2.1 基于惯性传感器的定位方法 | 第15-16页 |
| 2.2.2 基于测距技术的定位方法 | 第16-18页 |
| 2.2.3 基于位置指纹的定位方法 | 第18-20页 |
| 2.3 移动机器人室内定位相关理论 | 第20-24页 |
| 2.3.1 卡尔曼滤波法 | 第20-21页 |
| 2.3.2 粒子滤波器法 | 第21-24页 |
| 2.5 本章小结 | 第24-25页 |
| 第三章 室内地磁定位可行性分析 | 第25-32页 |
| 3.1 引言 | 第25页 |
| 3.2 地磁场理论 | 第25-26页 |
| 3.3 室内地磁特性分析 | 第26-30页 |
| 3.4 室内地磁定位优势 | 第30-31页 |
| 3.5 本章小结 | 第31-32页 |
| 第四章 基于粒子滤波的室内定位算法 | 第32-50页 |
| 4.1 问题定义 | 第32页 |
| 4.2 基于粒子滤波的定位算法综述 | 第32-36页 |
| 4.2.1 粒子概述 | 第34页 |
| 4.2.2 算法流程 | 第34-36页 |
| 4.3 地磁序列指纹库采集 | 第36页 |
| 4.4 运动模型 | 第36-37页 |
| 4.5 观测模型 | 第37-42页 |
| 4.5.1 滤波处理 | 第38-40页 |
| 4.5.2 相似度匹配 | 第40-41页 |
| 4.5.3 权重更新 | 第41-42页 |
| 4.6 重采样模型 | 第42-43页 |
| 4.7 定位失效检测模型 | 第43-44页 |
| 4.7.1 置信度 | 第43页 |
| 4.7.2 定位失效检测模型 | 第43-44页 |
| 4.8 定位实验评估 | 第44-49页 |
| 4.8.1 实验环境介绍 | 第44页 |
| 4.8.2 定位实验设置 | 第44-45页 |
| 4.8.3 定位结果与分析 | 第45-49页 |
| 4.8.4 实验结论 | 第49页 |
| 4.9 本章小结 | 第49-50页 |
| 第五章 DinGo室内定位系统设计与实现 | 第50-63页 |
| 5.1 DinGo室内定位系统总体概述 | 第50-53页 |
| 5.1.1 系统需求分析 | 第50-51页 |
| 5.1.2 总体架构设计 | 第51-52页 |
| 5.1.3 开发平台介绍 | 第52-53页 |
| 5.2 DinGo客户端 | 第53-56页 |
| 5.2.1 使用指南 | 第53-56页 |
| 5.2.2 架构设计 | 第56页 |
| 5.3 DinGo服务器端 | 第56-61页 |
| 5.3.1 相关技术 | 第56-59页 |
| 5.3.2 架构设计 | 第59-61页 |
| 5.4 DinGo仿真软件 | 第61-62页 |
| 5.5 本章小结 | 第62-63页 |
| 第六章 结论与展望 | 第63-65页 |
| 6.1 工作总结 | 第63页 |
| 6.2 工作展望 | 第63-65页 |
| 参考文献 | 第65-69页 |
| 攻读硕士学位期间取得的研究成果 | 第69-70页 |
| 致谢 | 第70-71页 |
| 附件 | 第71页 |
