基于水下机器人EKF-SLAM的数据关联算法研究
| 摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 第1章 绪论 | 第9-18页 |
| ·移动机器人的导航 | 第9页 |
| ·水下机器人的导航方式 | 第9-11页 |
| ·船位推算和惯性导航系统 | 第10页 |
| ·水声和照明导航系统 | 第10页 |
| ·基于地图的导航系统 | 第10-11页 |
| ·水下SLAM的重要性和挑战性 | 第11页 |
| ·SLAM应用的研究现状 | 第11-16页 |
| ·国外研究动态 | 第12-16页 |
| ·国内研究动态 | 第16页 |
| ·工作内容和章节安排 | 第16-18页 |
| 第2章 SLAM的实现方法与技术难点 | 第18-26页 |
| ·引言 | 第18页 |
| ·空间地图描述 | 第18-20页 |
| ·SLAM的实现方法 | 第20-22页 |
| ·基于扩展卡尔曼滤波的SLAM方法 | 第20-21页 |
| ·基于粒子滤波的SLAM方法 | 第21-22页 |
| ·SLAM的技术难点 | 第22-25页 |
| ·不确定度 | 第22-23页 |
| ·特征提取 | 第23-24页 |
| ·数据关联 | 第24页 |
| ·计算复杂度 | 第24-25页 |
| ·SLAM算法的研究趋势 | 第25页 |
| ·本章小结 | 第25-26页 |
| 第3章 AUV的EKF-SLAM算法原理 | 第26-39页 |
| ·引言 | 第26-27页 |
| ·SLAM算法的性质 | 第27页 |
| ·SLAM算法的系统模型 | 第27-30页 |
| ·机器人运动模型 | 第28-29页 |
| ·特征模型 | 第29-30页 |
| ·量测模型 | 第30页 |
| ·EKF-SLAM的实现流程 | 第30-38页 |
| ·系统各状态向量 | 第30-32页 |
| ·总体执行过程 | 第32-38页 |
| ·本章小结 | 第38-39页 |
| 第4章 数据关联算法 | 第39-57页 |
| ·引言 | 第39页 |
| ·马氏距离 | 第39-40页 |
| ·关联门 | 第40-43页 |
| ·数据关联的意义 | 第43-45页 |
| ·数据关联的难度 | 第45-46页 |
| ·数据关联的数学模型 | 第46-47页 |
| ·单个量测的关联方法 | 第47-49页 |
| ·最大可能性算法 | 第47-48页 |
| ·最近邻算法 | 第48-49页 |
| ·独立兼容与最大可能性结合的算法 | 第49页 |
| ·多个量测的关联方法 | 第49-56页 |
| ·连续兼容最近邻算法 | 第49-51页 |
| ·联合兼容算法 | 第51-52页 |
| ·联合最大可能性算法及其改进算法 | 第52-56页 |
| ·本章小结 | 第56-57页 |
| 第5章 仿真结果与分析 | 第57-80页 |
| ·仿真环境Ⅰ的建立 | 第57页 |
| ·仿真Ⅰ结果与分析 | 第57-69页 |
| ·仿真环境Ⅱ的建立 | 第69-71页 |
| ·相关假设 | 第69页 |
| ·仿真思想 | 第69-71页 |
| ·仿真Ⅱ结果与分析 | 第71-75页 |
| ·与水池实验数据相结合的仿真结果及分析 | 第75-79页 |
| ·实验背景 | 第75-77页 |
| ·试验结果及分析 | 第77-79页 |
| ·本章小结 | 第79-80页 |
| 结论 | 第80-82页 |
| 参考文献 | 第82-87页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第87页 |
