| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第1章 绪论 | 第10-23页 |
| ·引言 | 第10页 |
| ·移动机器人的发展 | 第10-12页 |
| ·国外移动机器人的发展 | 第11-12页 |
| ·国内移动机器人的发展 | 第12页 |
| ·移动机器人的定位与地图创建 | 第12-16页 |
| ·定位技术 | 第13-15页 |
| ·地图构建法 | 第15-16页 |
| ·移动机器人同时定位与地图创建 | 第16-21页 |
| ·SLAM 问题的一般模型 | 第17-18页 |
| ·实现方法 | 第18-20页 |
| ·关键问题 | 第20-21页 |
| ·本文的主要研究内容及章节安排 | 第21-23页 |
| 第2章 SLAM 系统总体设计 | 第23-32页 |
| ·系统总体框架 | 第23-24页 |
| ·详细设计 | 第24-31页 |
| ·移动机器人的传感器 | 第24-27页 |
| ·移动机器人的系统模型 | 第27-28页 |
| ·移动机器人的观测模型 | 第28页 |
| ·数据关联 | 第28-30页 |
| ·特征提取 | 第30-31页 |
| ·本章小结 | 第31-32页 |
| 第3章 基于卡尔曼滤波的移动机器人SLAM | 第32-54页 |
| ·卡尔曼滤波算法 | 第32-34页 |
| ·EKF 算法 | 第34-36页 |
| ·EKF-SLAM 算法实现 | 第36-42页 |
| ·UKF 算法 | 第42-44页 |
| ·UKF-SLAM 算法实现 | 第44-46页 |
| ·软件流程 | 第46-47页 |
| ·仿真实验 | 第47-53页 |
| ·实验1 | 第47-50页 |
| ·实验2 | 第50-53页 |
| ·本章小结 | 第53-54页 |
| 第4章 基于EKF-NN 运动学模型误差补偿的SLAM | 第54-72页 |
| ·神经网络理论基础 | 第54-61页 |
| ·人工神经元模型 | 第55-56页 |
| ·神经网络模型 | 第56-57页 |
| ·神经网络学习算法 | 第57-61页 |
| ·EKF 神经网络 | 第61-65页 |
| ·神经网络非线性模型 | 第61页 |
| ·EKF 神经网络的学习 | 第61-64页 |
| ·数值实验 | 第64-65页 |
| ·神经网络模型误差补偿 | 第65-68页 |
| ·基于EKF-NN 模型误差补偿的SLAM 实验 | 第68-71页 |
| ·本章小结 | 第71-72页 |
| 结论与展望 | 第72-74页 |
| 参考文献 | 第74-79页 |
| 致谢 | 第79-80页 |
| 附录A （攻读学位期间所发表的学术论文目录） | 第80-81页 |
| 附录B （攻读学位期间所参加的科研项目） | 第81-82页 |
| 附录C （卡方分布表） | 第82-83页 |