2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩78頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領(lǐng)

文檔簡介

1、在未知環(huán)境下,移動機器人要實現(xiàn)自主探索,必須具備對環(huán)境的感知、理解和完成自身定位的能力,也就是所謂的同時定位與地圖創(chuàng)建(SLAM)能力。移動機器人的同時定位與地圖創(chuàng)建是當(dāng)前移動機器人研究領(lǐng)域的熱點,是實現(xiàn)移動機器人完全自主導(dǎo)航的關(guān)鍵。本文主要對未知靜態(tài)環(huán)境下的移動機器人同時定位與地圖創(chuàng)建進行研究,具體內(nèi)容如下: 首先,對移動機器人的定位和地圖創(chuàng)建技術(shù)進行了綜述,詳細介紹了移動機器人的同時定位與地圖創(chuàng)建實現(xiàn)方法,并指出解決SLAM

2、問題的關(guān)鍵。 其次,構(gòu)建了一個SLAM系統(tǒng)框架,并對其各部分進行了詳細的分析和設(shè)計,為后續(xù)的理論研究和實驗設(shè)計提供了指導(dǎo)。 再次,在所構(gòu)建的框架下,對基于擴展卡爾曼濾波的SLAM方法(EKF-SLAM)進行了研究,給出了EKF-SLAM算法實現(xiàn)的詳細過程,并進行了基于點特征的EKF-SLAM仿真,仿真實驗證明了該框架的完整性和可實現(xiàn)性。針對EKF-SLAM算法需要對系統(tǒng)狀態(tài)模型和觀測模型線性化導(dǎo)致引入截斷誤差、每個采樣周

3、期都要計算Jacobian矩陣的缺點,研究了基于無跡卡爾曼濾波(UKF)的SLAM算法,并進行了對比實驗,證明了UKF-SLAM算法的有效性。 最后,針對移動機器人運動學(xué)模型建立過程中,忽略了地面狀況、傳感器精度等不確定性因素而導(dǎo)致數(shù)學(xué)模型不精確的問題,提出了基于EKF神經(jīng)網(wǎng)絡(luò)的模型誤差補償方法。該方法利用神經(jīng)網(wǎng)絡(luò)函數(shù)代替系統(tǒng)誤差模型,通過運用EKF算法對權(quán)值和狀態(tài)的增廣向量進行不斷的預(yù)測和更新,實現(xiàn)狀態(tài)估計的同時完成了對神經(jīng)網(wǎng)

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

最新文檔

評論

0/150

提交評論