|
多传感器室内组合导航系统设计与实现 | |
论文目录 | |
| 摘要 | 第1-6页 |
| abstract | 第6-7页 |
| 第一章 引言 | 第10-19页 |
| 1.1 研究背景与意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-17页 |
| 1.2.1 移动机器人技术的研究现状 | 第11-13页 |
| 1.2.2 环境地图构建技术的研究现状 | 第13-15页 |
| 1.2.3 多传感器组合导航技术的研究现状 | 第15-17页 |
| 1.3 主要研究内容 | 第17-18页 |
| 1.4 论文的章节安排 | 第18-19页 |
| 第二章 多传感器室内组合导航系统的设计方案 | 第19-27页 |
| 2.1 系统需求分析与指标要求 | 第19-20页 |
| 2.2 系统总体设计方案 | 第20-21页 |
| 2.3 系统硬件设备概述 | 第21-24页 |
| 2.3.1 激光雷达 | 第21-23页 |
| 2.3.2 视觉相机 | 第23页 |
| 2.3.3 通用机器人平台 | 第23-24页 |
| 2.4 系统软件结构 | 第24-26页 |
| 2.4.1 软件系统的运行环境 | 第24-25页 |
| 2.4.2 多传感器室内组合导航系统软件结构 | 第25-26页 |
| 2.5 本章小结 | 第26-27页 |
| 第三章 基于激光数据筛选的地图构建算法研究 | 第27-38页 |
| 3.1 Cartographer建图算法 | 第27-32页 |
| 3.1.1 扫描与子图匹配 | 第27-29页 |
| 3.1.2 使用分支定界法的回环检测 | 第29-32页 |
| 3.2 激光数据筛选方法 | 第32-37页 |
| 3.2.1 基于扫描密度的筛选 | 第33-35页 |
| 3.2.2 基于扫描数据分段的筛选 | 第35-37页 |
| 3.3 本章小结 | 第37-38页 |
| 第四章 基于数据紧耦合的视觉惯性里程计算法研究 | 第38-54页 |
| 4.1 基于数据紧耦合的视觉惯性里程计算法 | 第38-49页 |
| 4.1.1 基于数据紧耦合的视觉惯性里程计系统框架 | 第38-39页 |
| 4.1.2 视觉与惯导数据的预处理 | 第39-41页 |
| 4.1.3 视觉与惯导的初始化 | 第41-43页 |
| 4.1.4 回环检测过程 | 第43-45页 |
| 4.1.5 局部与全局优化 | 第45-49页 |
| 4.2 IMU与相机的时间戳对齐处理算法 | 第49-53页 |
| 4.2.1 时间戳偏移量分析 | 第50-51页 |
| 4.2.2 时间戳偏移量估计 | 第51-53页 |
| 4.3 本章小结 | 第53-54页 |
| 第五章 实验测试与结果分析 | 第54-74页 |
| 5.1 环境地图构建实验 | 第54-61页 |
| 5.1.1 室内环境下的建图 | 第54-56页 |
| 5.1.2 激光数据筛选分析 | 第56-61页 |
| 5.2 基于视觉惯性里程计(VIO)的自主定位实验 | 第61-68页 |
| 5.2.1室内自主定位实验 | 第61-63页 |
| 5.2.2 自主定位结果分析 | 第63-66页 |
| 5.2.3 单目相机与IMU的时间戳偏移量分析 | 第66-68页 |
| 5.3 移动机器人导航实验 | 第68-72页 |
| 5.3.1 机器人平台所使用的路径规划方法 | 第68-70页 |
| 5.3.2 移动机器人在室内环境下的导航实验 | 第70-72页 |
| 5.4 系统测试结果 | 第72-73页 |
| 5.5 本章小结 | 第73-74页 |
| 第六章 总结与展望 | 第74-76页 |
| 6.1 全文工作总结 | 第74-75页 |
| 6.2 后期工作展望 | 第75-76页 |
| 致谢 | 第76-77页 |
| 参考文献 | 第77-80页 |
本篇论文共80页，点击
这进入下载页面 |
|
| Copyright(C) All Rights Reserved |
| 客服QQ：304386486 |
| 目录由用户 tzw12** 提供，作者删除入口请点击这里 |