| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第1章 绪论 | 第12-18页 |
| 1.1 研究背景与课题意义 | 第12页 |
| 1.2 移动机器人SIAM研究现状 | 第12-16页 |
| 1.2.1 地图创建 | 第13-14页 |
| 1.2.2 机器人定位 | 第14-15页 |
| 1.2.3 SLAM算法 | 第15-16页 |
| 1.3 本文的章节安排 | 第16-17页 |
| 1.4 本章小结 | 第17-18页 |
| 第2章 移动机器人系统建模 | 第18-23页 |
| 2.1 移动机器人坐标系 | 第18-19页 |
| 2.2 环境特征模型 | 第19-20页 |
| 2.3 移动机器人运动模型 | 第20-21页 |
| 2.4 移动机器人观测模型 | 第21-22页 |
| 2.5 移动机器人噪声模型 | 第22页 |
| 2.6 本章小结 | 第22-23页 |
| 第3章 经典卡尔曼滤波在SLAM问题中的应用 | 第23-41页 |
| 3.1 卡尔曼滤波原理 | 第23-27页 |
| 3.1.1 卡尔曼滤波框架概述 | 第23-24页 |
| 3.1.2 卡尔曼滤波框架概述 | 第24-27页 |
| 3.2 地图创建与同步定位(SLAM)问题描述 | 第27-28页 |
| 3.3 EKF-SLAM算法 | 第28-30页 |
| 3.3.1 EKF算法概述 | 第28-29页 |
| 3.3.2 EKF-SLAM算法步骤 | 第29-30页 |
| 3.4 UKF-SLAM算法 | 第30-37页 |
| 3.4.1 UKF算法概述 | 第30-33页 |
| 3.4.2 UT变换原理 | 第33-35页 |
| 3.4.3 UKF-SLAM算法步骤 | 第35-37页 |
| 3.5 EKF-SLAM算法与UKF-SLAM算法仿真实验及其分析 | 第37-40页 |
| 3.6 本章小结 | 第40-41页 |
| 第4章 基于改进的容积卡尔曼滤波在SLAM问题中的应用 | 第41-53页 |
| 4.1 CKF算法概述 | 第41-42页 |
| 4.2 容积变换 | 第42-44页 |
| 4.3 CKF算法步骤 | 第44-45页 |
| 4.4 SR-CKF-SLAM算法 | 第45-47页 |
| 4.5 ISR-CKF-SLAM算法 | 第47-48页 |
| 4.6 算法仿真及其分析 | 第48-52页 |
| 4.7 本章小结 | 第52-53页 |
| 第5章 移动机器人SLAM问题实验平台设计 | 第53-62页 |
| 5.1 实验平台总体构架 | 第53-54页 |
| 5.2 传感器模块 | 第54-55页 |
| 5.3 运动控制模块 | 第55页 |
| 5.4 实验平台应用 | 第55-61页 |
| 5.4.1 移动机器人雷达测距实验 | 第56-59页 |
| 5.4.2 移动机器人定位与建图实验 | 第59-61页 |
| 5.5 本章小结 | 第61-62页 |
| 第6章 结论与展望 | 第62-64页 |
| 6.1 结论 | 第62页 |
| 6.2 未来工作的展望 | 第62-64页 |
| 参考文献 | 第64-67页 |
| 攻读学位期间发表的学术论文目录 | 第67页 |
| 攻读学位期间取得的科研成果 | 第67-68页 |
| 致谢 | 第68页 |