基于RNN的自动导航车辆多传感器融合状态估计研究

目录

声明

第一章绪 论

1.1 研究工作的背景与意义

1.2 国内外研究历史与现状

1.3 本论文主要研究内容及结构安排

第二章自动导航车辆的状态估计关键技术

2.1 自动导航车辆运动学状态

2.1.1 运动学模型

2.1.2 运动学状态

2.2 自动导航车辆观测学状态

2.2.1 激光雷达观测学模型

2.2.2 摄像头观测学模型

2.2.3 多传感器数据融合

2.3 自动导航车辆状态匹配技术

2.3.1 基于前端匹配的局部状态估计技术

2.3.2 基于后端优化的状态估计修正技术

2.3.3 回环检测技术

2.4 本章小结

第三章基于 ROS 的自动导航车辆运动及传感系统构建

3.1 自动导航车辆系统模型构建

3.1.1 自动导航车辆设备

3.1.2 自动导航车辆运动状态估计模型

3.2 ROS机器人操作系统

3.3 基于 ROS的自动导航车辆传感系统构建

3.3.1 激光雷达数据的获取

3.3.2 摄像头数据的获取

3.4 本章小结

第四章基于深度学习的多传感器数据融合状态估计方法

4.1 基于激光雷达的前端匹配研究

4.1.1 Hector方法

4.1.2 Catographer 方法

4.2 深度学习技术研究

4.2.1 深度学习基础

4.2.2 卷积神经网络

4.2.3 循环神经网络

4.3 基于深度学习的回环检测方法研究

4.3.1 基于 RNN的场景识别和回环检测方法

4.3.2 基于 PCA的回环检测方法

4.3.3 基于 Yolo 的回环检测方法

4.3.4 基于组合网络的多精度回环检测方法

4.4 基于摄像头、激光雷达的融合状态估计方法

4.5 本章小结

第五章实验测试与分析

5.1 基于前端匹配的局部状态估计模块测试

5.2 基于 RNN的回环检测模块测试

5.3 基于图模型的后端优化模块测试

5.4 本章小结

第六章全文总结与展望

6.1 全文总结

6.2 后续工作展望

致谢

参考文献

攻读硕士学位期间取得的成果