| 摘要 | 第6-7页 |
| ABSTRACT | 第7-8页 |
| 第一章 绪论 | 第12-19页 |
| 1.1 引言 | 第12页 |
| 1.2 课题研究背景及意义 | 第12-13页 |
| 1.3 同时定位与地图创建概述 | 第13-18页 |
| 1.3.1 无人驾驶汽车SLAM技术内涵 | 第13-14页 |
| 1.3.2 SLAM技术国内外研究现状 | 第14-17页 |
| 1.3.2.1 SLAM基本问题 | 第15-16页 |
| 1.3.2.2 SLAM问题解决办法 | 第16-17页 |
| 1.3.3 本文所需要解决的关键问题 | 第17-18页 |
| 1.4 研究内容与论文安排 | 第18-19页 |
| 第二章 无人驾驶汽车SLAM问题相关模型构建 | 第19-29页 |
| 2.1 无人驾驶汽车本体模型 | 第19-23页 |
| 2.1.1 坐标系统模型 | 第19-20页 |
| 2.1.2 里程计模型 | 第20-21页 |
| 2.1.3 无人驾驶汽车运动模型 | 第21-23页 |
| 2.2 环境地图与环境特征模型 | 第23页 |
| 2.3 无人驾驶汽车传感器观测模型 | 第23-24页 |
| 2.4 数据关联模型 | 第24-26页 |
| 2.5 无人驾驶汽车SLAM问题的一般模型 | 第26-28页 |
| 2.6 本章小结 | 第28-29页 |
| 第三章 基于卡尔曼滤波的SLAM方法研究 | 第29-46页 |
| 3.1 引言 | 第29页 |
| 3.2 基于扩展卡尔曼滤波的SLAM方法研究 | 第29-40页 |
| 3.2.1 卡尔曼滤波理论 | 第29页 |
| 3.2.2 线性卡尔曼滤波算法 | 第29-31页 |
| 3.2.3 扩展卡尔曼滤波的SLAM方法 | 第31-38页 |
| 3.2.4 实验结果与分析 | 第38-40页 |
| 3.3 基于无迹卡尔曼滤波的SLAM方法研究 | 第40-45页 |
| 3.3.1 无迹卡尔曼滤波的SLAM方法 | 第40-43页 |
| 3.3.2 实验结果与分析 | 第43-45页 |
| 3.4 本章小结 | 第45-46页 |
| 第四章 基于粒子滤波的SLAM方法研究 | 第46-67页 |
| 4.1 引言 | 第46页 |
| 4.2 粒子滤波相关理论 | 第46-50页 |
| 4.2.1 序贯重要性采样 | 第47-48页 |
| 4.2.2 粒子退化及解决方法 | 第48-49页 |
| 4.2.3 标准粒子滤波算法 | 第49-50页 |
| 4.3 FASTSLAM及其原理 | 第50-54页 |
| 4.3.1 FASTSLAM及其原理 | 第50-52页 |
| 4.3.2 FASTSLAM及其原理 | 第52-54页 |
| 4.4 自适应重采样无迹卡尔曼滤波FASTSLAM方法研究 | 第54-58页 |
| 4.4.1 算法原理 | 第54-56页 |
| 4.4.2 实验结果与分析 | 第56-58页 |
| 4.5 SLAM问题两类解决方法对比 | 第58-66页 |
| 4.6 本章小结 | 第66-67页 |
| 第五章 SLAM问题GUI界面设计 | 第67-76页 |
| 5.1 MATLAB GUI界面设计 | 第67-68页 |
| 5.2 两类解决方法的GUI实现 | 第68-75页 |
| 5.2.1 基于卡尔曼滤波的SLAM方法GUI实现 | 第69-72页 |
| 5.2.2 基于粒子滤波的SLAM方法GUI实现 | 第72-75页 |
| 5.3 本章小结 | 第75-76页 |
| 结论与展望 | 第76-78页 |
| 全文总结 | 第76页 |
| 研究展望 | 第76-78页 |
| 致谢 | 第78-79页 |
| 参考文献 | 第79-85页 |
| 攻读硕士学位期间发表的论文及参与的科研项目 | 第85页 |