| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第一章 绪论 | 第11-17页 |
| 1.1 研究背景及意义 | 第11-13页 |
| 1.2 研究现状 | 第13-15页 |
| 1.3 主要研究内容与创新点 | 第15页 |
| 1.3.1 主要研究内容 | 第15页 |
| 1.3.2 创新点 | 第15页 |
| 1.4 论文提纲 | 第15-17页 |
| 第二章 多移动机器人 SLAM 系统 | 第17-23页 |
| 2.1 引言 | 第17页 |
| 2.2 多移动机器人 SLAM 体系结构 | 第17-19页 |
| 2.2.1 集中式 | 第17-18页 |
| 2.2.2 分布式 | 第18-19页 |
| 2.2.3 混合式 | 第19页 |
| 2.3 环境地图描述方法 | 第19-21页 |
| 2.4 多机器人系统模型 | 第21-22页 |
| 2.4.1 移动机器人运动学模型 | 第21-22页 |
| 2.4.2 移动机器人观测模型 | 第22页 |
| 2.5 小结 | 第22-23页 |
| 第三章 SLAM 问题的状态估计方法 | 第23-33页 |
| 3.1 引言 | 第23页 |
| 3.2 卡尔曼滤波器 | 第23-25页 |
| 3.3 扩展卡尔曼滤波器 | 第25-26页 |
| 3.4 EKF-SLAM 算法 | 第26-31页 |
| 3.4.1 EKF-SLAM 原理 | 第26-28页 |
| 3.4.2 仿真实验与结果分析 | 第28-31页 |
| 3.5 小结 | 第31-33页 |
| 第四章 改进的联合相容数据关联算法 | 第33-45页 |
| 4.1 引言 | 第33-34页 |
| 4.2 数据关联的相关理论基础 | 第34-35页 |
| 4.2.1 相似性度量 | 第34页 |
| 4.2.2 卡方分布 | 第34-35页 |
| 4.3 数据关联问题描述 | 第35-37页 |
| 4.4 传统数据关联算法 | 第37-38页 |
| 4.4.1 最近邻数据关联算法 | 第37页 |
| 4.4.2 JCBB 数据关联算法 | 第37-38页 |
| 4.5 IJCBB 数据关联算法 | 第38-40页 |
| 4.5.1 基于 KD 树的优化候选路标集生成算法 | 第38-39页 |
| 4.5.2 增补关联算法 | 第39-40页 |
| 4.6 仿真实验结果与分析 | 第40-43页 |
| 4.6.1 移动机器人仿真模型 | 第40页 |
| 4.6.2 仿真结果与分析 | 第40-43页 |
| 4.7 小结 | 第43-45页 |
| 第五章 多移动机器人协作 SLAM | 第45-57页 |
| 5.1 引言 | 第45-46页 |
| 5.2 基于相对观测的地图融合 | 第46-51页 |
| 5.2.1 相对观测模型 | 第46-47页 |
| 5.2.2 统一坐标系变换 | 第47页 |
| 5.2.3 多机器人地图融合 | 第47-48页 |
| 5.2.4 仿真结果与分析 | 第48-51页 |
| 5.3 基于粒子群优化的多机器人地图融合算法 | 第51-56页 |
| 5.3.1 粒子群优化算法原理 | 第51-53页 |
| 5.3.2 问题描述 | 第53-54页 |
| 5.3.3 适应度函数 | 第54页 |
| 5.3.4 停机准则 | 第54页 |
| 5.3.5 仿真结果与分析 | 第54-56页 |
| 5.4 小结 | 第56-57页 |
| 第六章 总结与展望 | 第57-59页 |
| 6.1 总结 | 第57页 |
| 6.2 展望 | 第57-59页 |
| 参考文献 | 第59-65页 |
| 致谢 | 第65-67页 |
| 附录：攻读硕士期间参加的项目及发表的论文 | 第67页 |