| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 1 绪论 | 第11-25页 |
| 1.1 研究背景 | 第11-12页 |
| 1.2 深海机器人国内外的研究现状 | 第12-16页 |
| 1.2.1 国外研究现状 | 第12-15页 |
| 1.2.2 国内研究现状 | 第15-16页 |
| 1.3 AUV 自主导航算法及其研究现状 | 第16-18页 |
| 1.3.1 AUV 的路径规划技术 | 第16-17页 |
| 1.3.2 AUV 的定位技术 | 第17-18页 |
| 1.4 同时定位和地图创建方法的概述 | 第18-23页 |
| 1.4.1 SLAM 描述 | 第18-19页 |
| 1.4.2 环境表示法 | 第19-20页 |
| 1.4.3 数据关联方法 | 第20-21页 |
| 1.4.4 SLAM 求解方法 | 第21-23页 |
| 1.5 论文的研究内容和组织结构 | 第23-25页 |
| 2 机器人的系统模型 | 第25-29页 |
| 2.1 坐标系模型 | 第25-26页 |
| 2.1.1 导航坐标系 | 第25页 |
| 2.1.2 传感器(机体)坐标系 | 第25-26页 |
| 2.2 自主式机器人的运动模型 | 第26-28页 |
| 2.2.1 位姿模型 | 第26页 |
| 2.2.2 运动模型 | 第26-28页 |
| 2.3 障碍物观测模型 | 第28页 |
| 2.3.1 障碍物模型 | 第28页 |
| 2.3.2 障碍物观测模型 | 第28页 |
| 2.4 本章小结 | 第28-29页 |
| 3 基于扩展卡尔曼滤波的 SLAM 算法 | 第29-35页 |
| 3.1 扩展卡尔曼滤波的原理 | 第29-31页 |
| 3.2 基于扩展卡尔曼滤波的 SLAM 过程 | 第31-34页 |
| 3.2.1 算法流程 | 第31-32页 |
| 3.2.2 初始化工作 | 第32页 |
| 3.2.3 预测阶段 | 第32-33页 |
| 3.2.4 校正阶段 | 第33页 |
| 3.2.5 扩展过程 | 第33-34页 |
| 3.3 本章小结 | 第34-35页 |
| 4 基于卡尔曼滤波 SLAM 算法的改进与实现 | 第35-45页 |
| 4.1 基于扩展卡尔曼滤波 SLAM 算法的不足 | 第35-36页 |
| 4.2 关于数据融合预处理的 SLAM 算法 | 第36-40页 |
| 4.2.1 基于 U 卡尔曼滤波的 SLAM 算法过程 | 第36-38页 |
| 4.2.2 数据融合预处理方法的流程 | 第38-40页 |
| 4.2.3 改进的 SLAM 算法流程 | 第40页 |
| 4.3 仿真结果 | 第40-44页 |
| 4.4 本章小结 | 第44-45页 |
| 5 基于图优化的 SLAM 算法 | 第45-59页 |
| 5.1 基于图优化的 SLAM 框架介绍 | 第45-50页 |
| 5.1.1 基于图优化的 SLAM 框架前端介绍 | 第46-47页 |
| 5.1.2 图优化技术 | 第47-50页 |
| 5.2 基于滤波器的 SLAM 算法与基于图优化的 SLAM 算法比较 | 第50-53页 |
| 5.2.1 基于滤波器的 SLAM 算法的不足 | 第50-51页 |
| 5.2.2 基于图优化的 SLAM 算法的特点 | 第51-52页 |
| 5.2.3 基于滤波器的 SLAM 算法与基于图优化的 SLAM 算法的对比 | 第52-53页 |
| 5.3 改进的图优化技术 | 第53-56页 |
| 5.3.1 位姿图的建立 | 第53页 |
| 5.3.2 非线性约束及其 2误差 | 第53-54页 |
| 5.3.3 基于随机梯度下降算法的离线位姿图非线性约束优化求解 | 第54页 |
| 5.3.4 改进的随机梯度下降算法 | 第54-56页 |
| 5.4 仿真结果 | 第56-58页 |
| 5.5 本章小结 | 第58-59页 |
| 6 总结与展望 | 第59-61页 |
| 参考文献 | 第61-65页 |
| 致谢 | 第65-67页 |
| 个人简历 | 第67页 |
| 发表的学术论文 | 第67-68页 |
