基于滤波算法的无人机视觉SLAM后端方法研究

目录

声明

摘要

第1章绪论

1．1无人机和SLAM的研究背景与意义

1．2无人机及其导航技术研究

1．2．2无人机导航技术研究

1．3 SLAM技术研究现状

1．3．1 SLAM方法的发展

1．3．2 SLAM方法研究现状

1．3．3经典视觉SLAM方法框架

1．3．4无人机SLAM方法难点

1．4本文主要内容

第2章四旋翼无人机动力学建模及SLAM问题的数学描述

2．1四旋翼无人机动力学建模

2．1．1四旋翼无人机的运动机理

2．1．2坐标系定义与坐标系变换矩阵

2．1．3四旋翼无人机的动力学方程

2．2无人机SLAM的数学描述

2．2．1无人机SLAM问题描述

2．2．2无人机SLAM问题的数学描述

2．3本章小结

第3章基于扩展卡尔曼滤波和粒子滤波的无人机SLAM方法研究

3．1 SLAM问题的后验概率分解

3．1．1贝叶斯滤波

3．1．2基于贝叶斯滤波的SLAM问题的后验概率分解

3．2基于扩展卡尔曼滤波的SLAM方法研究

3．2．1系统建模

3．2．2状态预测

3．2．3数据关联

3．2．4状态更新

3．2．5状态扩展

3．3粒子滤波及自适应重采样

3．3．1标准粒子滤波算法

3．3．2自适应重采样

3．4基于粒子滤波的FastSLAM方法研究

3．4．1 FastSLAM的Rao-Blackwellized分解

3．4．2 FastSLAM算法实现

3．5仿真实验与分析

3．5．1仿真环境设计

3．5．2仿真结果与分析

3．6本章小结

第4章融合优化算法的无人机FastSLAM方法研究及其改进

4．1 FastSLAM算法的缺点

4．2融合粒子群优化算法的FastSLAM方法

4．2．1粒子群优化算法

4．2．2融合粒子群优化算法的FastSLAM方法改进

4．2．3融合粒子群优化算法的FastSLAM方法的实现

4．3融合人工鱼群算法的FastSLAM方法

4．3．1人工鱼群算法

4．3．2融合人工鱼群算法的FastSLAM方法的改进

4．3．3融合人工鱼群算法的FastSLAM方法的实现

4．4仿真实验与分析

4．5本章小结

5．1本文工作总结

5．2后续研究工作展望

参考文献

致谢