摘要 | 第5-7页 |
Abstract | 第7-8页 |
1 绪论 | 第11-22页 |
1.1 移动机器人研究的现状与进展 | 第12-15页 |
1.2 SLAM 综述 | 第15-17页 |
1.3 大尺度环境下SLAM 现存的主要问题和研究方法比较 | 第17-19页 |
1.4 课题研究的目的和意义 | 第19-20页 |
1.5 本文所做的工作及内容安排 | 第20-22页 |
2 SLAM 算法原理 | 第22-36页 |
2.1 引言 | 第22页 |
2.2 环境地图表示方法 | 第22-23页 |
2.3 SLAM 的整体系统模型 | 第23-25页 |
2.3.1 运动模型 | 第23-24页 |
2.3.2 特征动态模型 | 第24页 |
2.3.3 观测模型 | 第24-25页 |
2.3.4 系统状态向量及协方差矩阵 | 第25页 |
2.4 线性模型下的SLAM 算法原理 | 第25-27页 |
2.5 数据关联 | 第27-28页 |
2.6 SLAM 算法的性质 | 第28-29页 |
2.7 SLAM 算法的评价标准 | 第29页 |
2.8 基于EKF 的SLAM 算法实现 | 第29-35页 |
2.8.1 系统建模 | 第30-31页 |
2.8.2 EKFSLAM 执行过程 | 第31-32页 |
2.8.3 预测阶段 | 第32-33页 |
2.8.4 数据关联 | 第33页 |
2.8.5 状态更新与扩充 | 第33-35页 |
2.9 本章小结 | 第35-36页 |
3 基于粒子滤波器的 FastSLAM 算法研究 | 第36-48页 |
3.1 引言 | 第36页 |
3.2 粒子滤波的基本原理 | 第36-39页 |
3.3 FastSLAM 算法的研究 | 第39-46页 |
3.3.1 FastSLAM 算法概述 | 第39-41页 |
3.3.2 FastSLAM 算法的实现过程 | 第41-45页 |
3.3.3 FastSLAM 算法中的数据关联 | 第45页 |
3.3.4 FastSLAM 算法实现的伪代码[65] | 第45-46页 |
3.3.5 FastSLAM 算法实现的流程图 | 第46页 |
3.4 FastSLAM 算法估计的不一致性问题 | 第46-47页 |
3.5 本章小结 | 第47-48页 |
4 基于稀疏扩展信息滤波SLAM (SEIFSLAM ) 的研究 | 第48-55页 |
4.1 引言 | 第48页 |
4.2 信息滤波的背景知识 | 第48-50页 |
4.3 SEIFSLAM 算法的实现 | 第50-54页 |
4.3.1 SEIFSLAM 算法原理框架 | 第50-51页 |
4.3.2 SEIFSLAM 算法的预测阶段的实现 | 第51页 |
4.3.3 SEIFSLAM 算法的状态更新与扩充的实现 | 第51-53页 |
4.3.4 SEIFSLAM 的稀疏规则 | 第53-54页 |
4.4 SEIFSLAM 算法估计的不一致性问题 | 第54页 |
4.5 本章小结 | 第54-55页 |
5 基于 SEIFSLAM 和 FastSLAM 的组合 SLAM 算法的实现 | 第55-77页 |
5.1 引言 | 第55页 |
5.2 组合SLAM 算法的框架 | 第55-56页 |
5.3 基于FastSLAM 的局部子地图构建的实现 | 第56-59页 |
5.3.1 FastSLAM 局部子地图构建算法描述与相关定义 | 第57-58页 |
5.3.2 将FastSLAM 结果转化为单高斯形式 | 第58-59页 |
5.4 基于SEIFSLAM 的局部地图联合算法 | 第59-66页 |
5.4.1 基于SEIFSLAM 的子地图联合算法描述与相关定义 | 第59-62页 |
5.4.2 基于SEIFSLAM 的子地图联合算法具体实现 | 第62-64页 |
5.4.3 基于二叉树的带决策的联合策略 | 第64-66页 |
5.5 实验及结果分析 | 第66-76页 |
5.5.1 仿真实验环境的初始化 | 第66-67页 |
5.5.2 仿真实验结果分析 | 第67-76页 |
5.5.3 实际环境的实验及结果分析 | 第76页 |
5.6 本章小结 | 第76-77页 |
6 总结与展望 | 第77-79页 |
6.1 总结 | 第77页 |
6.2 展望 | 第77-79页 |
参考文献 | 第79-84页 |
致谢 | 第84-85页 |
个人简历 | 第85-86页 |
攻读硕士学位期间发表的学术论文 | 第86页 |