| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 1 绪论 | 第10-16页 |
| ·引言 | 第10-11页 |
| ·SLAM 与DATMO 在国内外的研究发展与应用、关系 | 第11-13页 |
| ·SLAM 与DATMO 的研究发展 | 第11页 |
| ·SLAM 与DATMO 的应用 | 第11-12页 |
| ·SLAM 与DATMO 的关系 | 第12-13页 |
| ·本课题的主要工作及论文的组织结构 | 第13-16页 |
| 2 移动机器人定位与构图问题 | 第16-30页 |
| ·移动机器人的定位问题 | 第16-17页 |
| ·移动机器人的构图问题 | 第17-18页 |
| ·栅格地图 | 第17页 |
| ·特征地图 | 第17-18页 |
| ·拓扑地图 | 第18页 |
| ·传感器模型及机器人运动模型 | 第18-22页 |
| ·LM5200 激光测距仪特性及模型 | 第18-20页 |
| ·里程计模型 | 第20-21页 |
| ·机器人和移动物体模型 | 第21-22页 |
| ·基于EKF 的SLAM | 第22-24页 |
| ·基于概率的SLAM | 第24-25页 |
| ·基于粒子滤波器的SLAM | 第25-26页 |
| ·数据关联 | 第26-29页 |
| ·数据关联的过程 | 第27页 |
| ·门限过滤 | 第27-29页 |
| ·本章小结 | 第29-30页 |
| 3 基于粒子滤波的同时定位与地图构建(SLAM) | 第30-48页 |
| ·SLAM 问题的定义 | 第30-31页 |
| ·SLAM 的后验概率估计 | 第31-33页 |
| ·粒子滤波器实现SLAM 推导 | 第33-35页 |
| ·后验概率的分解表达 | 第34页 |
| ·分解SLAM 的公式 | 第34-35页 |
| ·粒子滤波器实现SLAM 方法 | 第35-41页 |
| ·基本的粒子滤波器 | 第35-36页 |
| ·机器人定位算法的步骤 | 第36页 |
| ·采样 | 第36-37页 |
| ·假设分布 | 第37-38页 |
| ·环境特征估计的更新 | 第38-39页 |
| ·权值计算 | 第39-40页 |
| ·权值重采样 | 第40页 |
| ·基于粒子滤波的SLAM 算法概述 | 第40-41页 |
| ·实验结果 | 第41-45页 |
| ·粒子滤波器实现SLAM 的仿真结果 | 第41-42页 |
| ·EKF 实现SLAM 的仿真结果 | 第42-43页 |
| ·PF-SLAM 和EKF-SLAM 比较 | 第43-45页 |
| ·本章小结 | 第45-48页 |
| 4 动态目标的发现与跟踪(DATMO) | 第48-62页 |
| ·动态目标的跟踪 | 第48-49页 |
| ·机器人同时定位与动态目标跟踪 | 第49-50页 |
| ·问题描述 | 第50-51页 |
| ·参数表示 | 第51-52页 |
| ·基于粒子滤波的DATMO 算法 | 第52-56页 |
| ·观测模型 | 第53-54页 |
| ·运动模型 | 第54页 |
| ·数据关联 | 第54-55页 |
| ·算法结构 | 第55-56页 |
| ·仿真结果 | 第56-60页 |
| ·本章小结 | 第60-62页 |
| 5 总结与展望 | 第62-64页 |
| ·总结 | 第62页 |
| ·展望 | 第62-64页 |
| 参考文献 | 第64-68页 |
| 附录A PF -Based SLAM算法 | 第68-69页 |
| 致谢 | 第69-70页 |
| 个人简历 | 第70页 |
| 攻读硕士学位期间发表的论文 | 第70页 |