| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 1 绪论 | 第9-20页 |
| 1.1 自主式水下机器人的研究现况及发展方向 | 第10-13页 |
| 1.2 同时定位于地图构建算 | 第13-16页 |
| 1.2.1 SLAM 算法简介 | 第13-14页 |
| 1.2.2 常见 SLAM 算法 | 第14-16页 |
| 1.3 数据关联技术 | 第16-18页 |
| 1.4 课题来源及章节安排 | 第18-20页 |
| 2 卡尔曼滤波与扩展卡尔曼滤波理论 | 第20-24页 |
| 2.1 线性最优滤波—卡尔曼理论 | 第20-22页 |
| 2.2 非线性滤波—扩展卡尔曼理论 | 第22-23页 |
| 2.2.1 EKF 的讨论 | 第23页 |
| 2.3 本章小节 | 第23-24页 |
| 3 基于稀疏扩展信息滤波（SEIF）的 SLAM 算法 | 第24-36页 |
| 3.1 数学基础 | 第24-26页 |
| 3.1.1 高斯分布的二元性 | 第24-25页 |
| 3.1.2 基于点特征的 AUV-SLAM | 第25-26页 |
| 3.2 信息滤波 SLAM 算法的基本过程 | 第26-30页 |
| 3.2.1 运动预测过程 | 第26-28页 |
| 3.2.2 观测更新过程 | 第28-29页 |
| 3.2.3 地图扩充过程 | 第29-30页 |
| 3.2.4 状态向量近似恢复 | 第30页 |
| 3.3 信息滤波的稀疏策略 | 第30-34页 |
| 3.4 SEIF-SLAM 算法流程图 | 第34-35页 |
| 3.5 本章小结 | 第35-36页 |
| 4 C-RangerAUV 平台与声纳数据预处理 | 第36-45页 |
| 4.1 C-Ranger AUV 简介 | 第36-38页 |
| 4.1.1 构建环境地图和避障传感器：SONAR | 第37页 |
| 4.1.2 速度传感器：DVL | 第37页 |
| 4.1.3 角速度传感器：AHRS、GYRO | 第37-38页 |
| 4.1.4 定位传感器：GPS | 第38页 |
| 4.2 声纳数据预处理 | 第38-44页 |
| 4.2.1 声纳数据提取及稀疏化 | 第38-42页 |
| 4.2.2 运动失真补偿 | 第42-44页 |
| 4.3 本章小结 | 第44-45页 |
| 5 基于 SEIF-SLAM 算法的仿真及海试实验分析 | 第45-56页 |
| 5.1 基于 SEIF-SLAM 算法的仿真分析 | 第45-50页 |
| 5.2 基于 SEIF-SLAM 算法的海试实验分析 | 第50-55页 |
| 5.3 本章小节 | 第55-56页 |
| 6 论文总结和展望 | 第56-58页 |
| 6.1 论文总结 | 第56页 |
| 6.2 展望 | 第56-58页 |
| 参考文献 | 第58-61页 |
| 致谢 | 第61-62页 |
| 个人简历 | 第62-63页 |
| 攻读硕士学位期间发表的论文 | 第63-64页 |
