| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 1 绪论 | 第10-22页 |
| ·AUV 的研究现状及发展前景 | 第10-13页 |
| ·SLAM 算法综述 | 第13-18页 |
| ·SLAM 的基本概念 | 第14-15页 |
| ·常见的SLAM 算法分类 | 第15-16页 |
| ·SLAM 中的关键问题 | 第16-18页 |
| ·数据关联技术 | 第18-20页 |
| ·数据关联研究现状 | 第18-19页 |
| ·SLAM 中的数据关联 | 第19-20页 |
| ·本文主要工作及论文组织结构 | 第20-22页 |
| 2 基于扩展卡尔曼滤波（EKF）的 SLAM 算法 | 第22-37页 |
| ·卡尔曼滤波（KF）与扩展卡尔曼滤波（EKF）原理 | 第22-25页 |
| ·KF 算法 | 第22-24页 |
| ·EKF 算法 | 第24-25页 |
| ·EKF-SLAM 在水下的应用 | 第25-36页 |
| ·C-Ranger AUV 平台简介 | 第26-28页 |
| ·坐标系的建立 | 第28页 |
| ·状态向量 | 第28-30页 |
| ·预测阶段 | 第30-31页 |
| ·传感器数据更新 | 第31-33页 |
| ·特征更新 | 第33-34页 |
| ·状态扩充 | 第34-36页 |
| ·本章小结 | 第36-37页 |
| 3 SLAM 算法中的数据关联问题 | 第37-54页 |
| ·数据关联中的基本概念 | 第37-40页 |
| ·关联门的定义 | 第37-38页 |
| ·马氏距离和卡方分布 | 第38-39页 |
| ·本文采用的关联门 | 第39-40页 |
| ·数据关联的原理及过程 | 第40-44页 |
| ·门限过滤 | 第41页 |
| ·关联矩阵 | 第41-43页 |
| ·赋值策略 | 第43-44页 |
| ·SLAM 中两种常见的数据关联算法 | 第44-48页 |
| ·单一兼容最近邻（ICNN）数据关联 | 第44-46页 |
| ·联合兼容分枝定界（JCBB）数据关联 | 第46-48页 |
| ·数据关联算法仿真 | 第48-52页 |
| ·仿真系统流程 | 第48-49页 |
| ·仿真结果与分析 | 第49-52页 |
| ·JCBB 计算复杂度分析及改进 | 第52-53页 |
| ·本章小结 | 第53-54页 |
| 4 SLAM 算法的实现及应用 | 第54-61页 |
| ·Super Seaking DST 声纳简介 | 第54-57页 |
| ·海试结果与分析 | 第57-60页 |
| ·基于ICNN 数据关联的SLAM 结果 | 第57-59页 |
| ·基于JCBB 数据关联的SLAM 结果 | 第59-60页 |
| ·本章小结 | 第60-61页 |
| 5 总结与展望 | 第61-63页 |
| ·全文总结 | 第61页 |
| ·展望 | 第61-63页 |
| 参考文献 | 第63-66页 |
| 致谢 | 第66-67页 |
| 个人简历 | 第67-68页 |
| 攻读硕士学位期间发表的论文 | 第68页 |