基于室内移动机器人的多传感器融合技术

本书通过介绍多种模型、算法及具体化的实验，为基于多传感器融合的机器人应用提供了实践路径。内容包括：基于ROS的移动机器人、室内移动机器人运动模型建立及误差标定方法、基于多传感器融合的室内建图方法、基于激光的移动机器人建图和导航方法等。

第1章 绪论
1.1 引言
1.2 室内定位与导航机器人技术的研究现状
1.2.1 国外研究现状
1.2.2 国内研究现状
1.3 基于Android手机的室内导航技术的研究现状
1.3.1 国外研究现状
1.3.2 国内研究现状
1.4 本书结构
本章小结
第2章 基于ROS的移动机器人
2.1 引言
2.2 机器人硬件平台介绍
2.2.1 主控制系统
2.2.2 底盘主控制器
2.3 传感器介绍
2.3.1 光电编码器
2.3.2 激光雷达传感器
2.4 传感器之间的通信关系
2.5 车体仿真模型搭建
本章小结
第3章 室内移动机器人运动模型建立及误差标定方法
3.1 引言
3.2 坐标系变换模型
3.3 速度运动模型
3.4 激光雷达观测模型
3.4.1 三角测距法
3.4.2 TOF测距法
3.5 里程计模型及误差标定
3.6 激光雷达校准标定实验
3.7 TF标定转换实验
本章小结
第4章 基于改进Cartographer算法的激光SLAM
4.1 引言
4.2 激光SLAM技术的原理及分类
4.3 栅格地图的定义
4.4 改进的SLAM算法设计
4.4.1 Cartographer SLAM算法原理分析
4.4.2 Cartographer SLAM算法优化策略
4.4.3 map to map回环检测设计
4.4.4 Lazy Decision延时决策设计
4.5 改进Cartographer算法实验验证
本章小结
第5章 基于机器人平台的Cartographer算法实现
5.1 引言
5.2 实验平台介绍
5.2.1 机器人平台介绍
5.2.2 Rviz可视化平台
5.3 改进Cartographer算法实验设计以及评价标准
5.4 地图构建实验
5.5 地图构建对比与结果分析
本章小结
第6章 基于多传感器融合的室内建图方法
6.1 引言
6.2 里程计模型
6.3 地图构建原理解析
6.4 室内建图算法的比较
6.5 基于视觉信息修正的改进建图算法
6.5.1 单目相机的标定原理
6.5.2 二维码信息与地图信息的融合
6.5.3 二维码位姿确立
6.5.4 系统实验
本章小结
第7章 基于激光的移动机器人建图和导航方法
7.1 引言
7.2 全局路径规划算法
7.2.1 迪杰斯特拉算法
7.2.2 A*算法
7.3 局部路径规划算法
7.4 导航实验
本章小结
第8章 基于INS误差的校正方法研究
8.1 引言
8.2 INS力学编排算法
8.2.1 INS力学编排算法描述
8.2.2 微分方程求取方法
8.2.3 INS力学编排算法实现
8.3 INS优化方法概述
8.4 基于INS的误差校正模型
8.4.1 惯性传感器误差建模
8.4.2 误差模型建立
8.5 实验和结果
8.5.1 数据预处理
8.5.2 算法实现
本章小结
第9章 融合磁场信息的室内导航算法
9.1 引言
9.2 地磁基本理论介绍
9.3 室内IndoorAltas地磁建图
9.3.1 软件简介
9.3.2 地图应用创建过程
9.4 惯性/磁场信息的多传感器融合方法
9.4.1 惯性/磁场系统融合方法
9.4.2 惯性/磁场组合导航系统状态方程
9.4.3 惯性/磁场组合导航系统测量方程
9.5 实验和结果
9.5.1 实验描述
9.5.2 地磁标定实验结果
9.6 影响组合导航精度的因素
本章小结
第10章 基于Android手机的室内导航实现
10.1 引言
10.2 室内导航系统的需求分析
10.3 Android系统架构
10.4 导航系统的总体架构
10.4.1 软件设计模式
10.4.2 导航系统框架具体设计
10.4.3 客户端模块设计
10.4.4 服务器端模块设计
10.4.5 导航流程设计
10.5 导航系统实现
10.5.1 加速度、陀螺仪、地磁信息的提取与处理
10.5.2 客户端与服务器端数据交换
10.5.3 离线训练阶段的实现
10.5.4 在线导航阶段的实现
10.6 软件性能分析
本章小结
参考文献