| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 第1章 绪论 | 第8-15页 |
| ·课题来源及研究意义 | 第8页 |
| ·SLAM 定位的研究现状 | 第8-13页 |
| ·SLAM 算法研究现状 | 第8-11页 |
| ·分布式粒子滤波算法的国内外研究现状 | 第11-13页 |
| ·文章主要内容 | 第13页 |
| ·论文结构 | 第13-15页 |
| 第2章 集中式粒子滤波 SLAM 算法 | 第15-29页 |
| ·SLAM 算法的基本概念和所解决的问题 | 第15-17页 |
| ·粒子滤波器的数学模型 | 第17-23页 |
| ·贝叶斯估计理论 | 第18-19页 |
| ·蒙特卡罗积分和信号处理 | 第19-20页 |
| ·SIS | 第20-21页 |
| ·粒子滤波 | 第21-22页 |
| ·重采样技术 | 第22-23页 |
| ·基于粒子滤波集中 SLAM 算法 | 第23-28页 |
| ·SLAM 的数学模型 | 第23-24页 |
| ·SLAM 的系统模型 | 第24-25页 |
| ·SLAM 的观测模型 | 第25-26页 |
| ·集中式 SLAM 算法的实现流程 | 第26-28页 |
| ·本章小结 | 第28-29页 |
| 第3章 基于改进分布式粒子滤波的 SLAM 算法 | 第29-45页 |
| ·分布式滤波算法 | 第29-32页 |
| ·分布式滤波器 | 第29-31页 |
| ·分布式 SLAM 算法 | 第31-32页 |
| ·改进的分布式粒子滤波 SLAM 算法 | 第32-37页 |
| ·改进的重要性函数 | 第32-34页 |
| ·改进的粒子融合方法 | 第34-37页 |
| ·仿真实验 | 第37-44页 |
| ·实验 1 | 第38-41页 |
| ·实验 2 | 第41-44页 |
| ·本章小结 | 第44-45页 |
| 第4章 基于分布式 RBPF-SLAM 算法研究 | 第45-57页 |
| ·不确定性分析 | 第45-46页 |
| ·RBPF-SLAM 原理 | 第46-51页 |
| ·路径估计 | 第48-50页 |
| ·路标点估计 | 第50-51页 |
| ·基于分布式的 RBPF-SLAM 算法 | 第51-54页 |
| ·算法综述 | 第51-52页 |
| ·基于分布式 RBPF-SLAM 算法的概率模型 | 第52-54页 |
| ·仿真实验 | 第54-56页 |
| ·本章小结 | 第56-57页 |
| 第5章 基于分布式 RBUPF 的 SLAM 算法 | 第57-74页 |
| ·UPF 基本原理 | 第57-58页 |
| ·改进的 DRBUPF-SLAM 算法 | 第58-65页 |
| ·DRBUPF-SLAM 算法 | 第59-62页 |
| ·改进的分布式 RBUPF-SLAM 算法 | 第62-65页 |
| ·收敛性证明 | 第65-67页 |
| ·改进的 DRBUPF-SLAM 算法的结构 | 第67-69页 |
| ·仿真实验 | 第69-71页 |
| ·本章小结 | 第71-74页 |
| 结论 | 第74-75页 |
| 参考文献 | 第75-80页 |
| 攻读硕士学位期间所发表的学术论文 | 第80-82页 |
| 致谢 | 第82页 |