| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 目录 | 第7-9页 |
| 插图 | 第9-11页 |
| 表格 | 第11-12页 |
| 第1章 绪论 | 第12-17页 |
| 1.1 选题背景和意义 | 第12-13页 |
| 1.2 移动机器人SLAM技术发展概况及现状 | 第13-15页 |
| 1.3 主要研究内容 | 第15-16页 |
| 1.4 论文结构安排 | 第16-17页 |
| 第2章 非线性滤波SLAM算法理论基础 | 第17-27页 |
| 2.1 非线性滤波理论基础 | 第17-23页 |
| 2.1.1 最优贝叶斯滤波 | 第17-19页 |
| 2.1.2 扩展Kalman滤波 | 第19-21页 |
| 2.1.3 粒子滤波 | 第21-23页 |
| 2.2 移动机器人SLAM算法 | 第23-26页 |
| 2.2.1 SLAM问题的数学描述 | 第23-24页 |
| 2.2.2 EKF-SLAM | 第24-25页 |
| 2.2.3 粒子滤波SLAM | 第25-26页 |
| 2.3 本章小结 | 第26-27页 |
| 第3章 一种基于增广EKF的高精度SLAM方法 | 第27-39页 |
| 3.1 移动机器人模型 | 第27-30页 |
| 3.1.1 机器人测程法误差模型 | 第27-29页 |
| 3.1.2 机器人位姿估计模型 | 第29-30页 |
| 3.2 基于增广EKF的SLAM算法 | 第30-34页 |
| 3.2.1 EKF-SLAM系统状态空间增广 | 第30-31页 |
| 3.2.2 AEKF-SLAM算法步骤 | 第31-34页 |
| 3.3 仿真实验分析 | 第34-38页 |
| 3.3.1 通用误差评估指标 | 第34-35页 |
| 3.3.2 仿真环境及初始化参数 | 第35页 |
| 3.3.3 结果分析 | 第35-38页 |
| 3.4 本章小结 | 第38-39页 |
| 第4章 基于机器人误差模型的FastSLAM算法研究 | 第39-49页 |
| 4.1 基于机器人误差模型的FastSLAM算法 | 第39-41页 |
| 4.1.1 FastSLAM系统状态空间增广 | 第39-40页 |
| 4.1.2 增广FastSLAM算法步骤 | 第40-41页 |
| 4.2 仿真实验分析 | 第41-48页 |
| 4.2.1 仿真环境及初始化参数 | 第41-43页 |
| 4.2.2 结果分析 | 第43-48页 |
| 4.3 本章小结 | 第48-49页 |
| 第5章 基于TurtleBot机器人平台的SLAM综合实验 | 第49-62页 |
| 5.1 实验平台介绍 | 第49-52页 |
| 5.1.1 硬件—TurtleBot机器人 | 第49-51页 |
| 5.1.2 软件—机器人操作系统 | 第51-52页 |
| 5.2 SLAM功能包 | 第52-54页 |
| 5.2.1 iRobot Create差速轮式驱动模型 | 第52-53页 |
| 5.2.2 SLAM功能包重写 | 第53-54页 |
| 5.3 SLAM实验 | 第54-56页 |
| 5.4 基于SLAM地图的自主导航 | 第56-61页 |
| 5.5 本章小结 | 第61-62页 |
| 第6章 总结与展望 | 第62-64页 |
| 6.1 总结 | 第62-63页 |
| 6.2 后续研究与展望 | 第63-64页 |
| 参考文献 | 第64-69页 |
| 致谢 | 第69-70页 |
| 攻读学位期间参加的科研项目和成果 | 第70页 |
