| 致谢 | 第5-6页 |
| 中文摘要 | 第6-8页 |
| ABSTRACT | 第8-9页 |
| 縮略词表 | 第13-14页 |
| 1 绪论 | 第14-32页 |
| 1.1 SLAM问题的研究背景与意义 | 第14-15页 |
| 1.2 问题的提出 | 第15-25页 |
| 1.2.1 SLAM问题的概念 | 第15-16页 |
| 1.2.2 SLAM问题研究的主要内容 | 第16-22页 |
| 1.2.3 基于Sigma点滤波的SLAM算法的提出 | 第22-25页 |
| 1.3 SLAM算法的国内外研究现状 | 第25-28页 |
| 1.3.1 提高SLAM算法准确度的方法 | 第25-26页 |
| 1.3.2 提高SLAM算法计算效率的方法 | 第26-27页 |
| 1.3.3 增强SLAM算法鲁棒性的方法 | 第27-28页 |
| 1.4 论文的研究内容及组织结构 | 第28-32页 |
| 2 SLAM问题的实验模型与实验平台 | 第32-42页 |
| 2.1 标准数据集及实验模型 | 第32-38页 |
| 2.1.1 SLAM标准数据集 | 第32-33页 |
| 2.1.2 移动机器人模型 | 第33-34页 |
| 2.1.3 运动模型 | 第34-36页 |
| 2.1.4 观测模型 | 第36-37页 |
| 2.1.5 坐标变换模型 | 第37-38页 |
| 2.2 仿真实验模型 | 第38-40页 |
| 2.2.1 简化的移动机器人模型 | 第38-39页 |
| 2.2.2 运动、观测及坐标变换模型 | 第39-40页 |
| 2.3 实验平台 | 第40-41页 |
| 2.4 本章小结 | 第41-42页 |
| 3 基于Sigma点卡尔曼滤波的SLAM算法研究 | 第42-60页 |
| 3.1 基于概率的SLAM算法描述 | 第42-44页 |
| 3.1.1 基于概率的SLAM问题 | 第42-43页 |
| 3.1.2 SLAM算法实现的总体框架 | 第43-44页 |
| 3.2 基于SPKF的SLAM算法 | 第44-50页 |
| 3.2.1 UKF和CDKF的Sigma点选取方式 | 第44-47页 |
| 3.2.2 基于SPKF的SLAM算法 | 第47-50页 |
| 3.3 实验与分析 | 第50-59页 |
| 3.3.1 仿真实验与分析 | 第50-55页 |
| 3.3.2 停车场数据集实验 | 第55-57页 |
| 3.3.3 维多利亚公园数据集实验 | 第57-59页 |
| 3.4 本章小结 | 第59-60页 |
| 4 提高基于CDKF的SLAM算法计算效率的方法 | 第60-86页 |
| 4.1 基于SR-CDKF的SLAM算法 | 第60-67页 |
| 4.1.1 方差矩阵平方根矩阵的递推方法 | 第60-62页 |
| 4.1.2 基于SR-CDKF的SLAM算法 | 第62-64页 |
| 4.1.3 仿真实验与分析 | 第64-66页 |
| 4.1.4 停车场数据集实验 | 第66-67页 |
| 4.2 计算复杂度降低的基于CDKF的SLAM算法 | 第67-79页 |
| 4.2.1 线性回归卡尔曼滤波 | 第68-69页 |
| 4.2.2 基于CDKF的SLAM算法的LRKF形式 | 第69-70页 |
| 4.2.3 计算复杂度降低的基于CDKF的SLAM算法 | 第70-73页 |
| 4.2.4 仿真实验与分析 | 第73-78页 |
| 4.2.5 停车场数据集实验 | 第78-79页 |
| 4.3 基于压缩CDKF的SLAM算法 | 第79-85页 |
| 4.3.1 基于 CDKF 的 SLAM 算法的压缩滤波方法 | 第79-81页 |
| 4.3.2 地图划分方法 | 第81-82页 |
| 4.3.3 仿真实验与分析 | 第82-84页 |
| 4.3.4 维多利亚公园数据集实验 | 第84-85页 |
| 4.4 本章小结 | 第85-86页 |
| 5 基于优化迭代Sigma点卡尔曼滤波的SLAM算法 | 第86-104页 |
| 5.1 基于ISPKF的SLAM算法 | 第86-90页 |
| 5.1.1 迭代观测的基本思想 | 第86-89页 |
| 5.1.2 基于ISPKF的SLAM算法 | 第89-90页 |
| 5.2 一种基于优化ISPKF的SLAM算法 | 第90-95页 |
| 5.2.1 阻尼的高斯-牛顿迭代方法 | 第90-91页 |
| 5.2.2 算法中参数的确定方法 | 第91-93页 |
| 5.2.3 算法的实现 | 第93-95页 |
| 5.3 实验与分析 | 第95-103页 |
| 5.3.1 仿真实验与分析 | 第95-101页 |
| 5.3.2 停车场数据集实验 | 第101-103页 |
| 5.4 本章小结 | 第103-104页 |
| 6 改进的基于Sigma点H_∞滤波的SLAM算法 | 第104-124页 |
| 6.1 基于EHF的SLAM算法 | 第104-114页 |
| 6.1.1 基于EHF的SLAM算法 | 第104-107页 |
| 6.1.2 滤波参数 γ 对 SLAM 算法性能的影响 | 第107-114页 |
| 6.2 改进的基于SPHF的SLAM算法 | 第114-122页 |
| 6.2.1 基于SPHF的SLAM算法 | 第114-115页 |
| 6.2.2 改进的基于SPHF的SLAM算法 | 第115-117页 |
| 6.2.3 仿真实验与分析 | 第117-120页 |
| 6.2.4 停车场数据集实验 | 第120-122页 |
| 6.3 本章小结 | 第122-124页 |
| 7 结论与展望 | 第124-128页 |
| 7.1 论文工作成果 | 第124-125页 |
| 7.2 论文创新点 | 第125页 |
| 7.3 研究工作展望 | 第125-128页 |
| 参考文献 | 第128-140页 |
| 图索引 | 第140-142页 |
| 表索引 | 第142-144页 |
| 作者简历 | 第144-148页 |
| 学位论文数据集 | 第148页 |
