基于扩展卡尔曼滤波的同时定位与地图构建算法研究
| 摘要 | 第1-3页 |
| Abstract | 第3-7页 |
| 0 前言 | 第7-12页 |
| ·移动机器人的历史与现状 | 第7-9页 |
| ·移动机器人的定位和地图构建 | 第9-10页 |
| ·同时定位与地图构建 | 第10页 |
| ·论文研究工作 | 第10-12页 |
| 1 同时定位与地图构建SLAM 概述 | 第12-18页 |
| ·SLAM 算法通用架构 | 第12页 |
| ·SLAM 常用方法简介 | 第12-17页 |
| ·扩展卡尔曼滤波(EKF)方法 | 第12-14页 |
| ·Particle 粒子滤波方法 | 第14-15页 |
| ·基于地图结构方法 | 第15-16页 |
| ·分解随机地图(DSM)方法 | 第15-16页 |
| ·合成地图(HMT)方法 | 第16页 |
| ·基于集合理论估计的SLAM | 第16-17页 |
| ·SLAM 发展中需要解决的问题 | 第17-18页 |
| ·超多维问题 | 第17页 |
| ·数据关联问题 | 第17页 |
| ·累积误差 | 第17-18页 |
| ·小结 | 第18页 |
| 2 传感器模型及误差分析 | 第18-27页 |
| ·里程计模型 | 第18-21页 |
| ·激光测距仪模型 | 第21-22页 |
| ·不确定性信息描述与误差分析 | 第22-27页 |
| ·里程计的局限及误差传递 | 第23-25页 |
| ·激光测距仪误差分析 | 第25-27页 |
| ·小结 | 第27页 |
| 3 卡尔曼滤波定位 | 第27-35页 |
| ·滤波器的计算原型 | 第27-29页 |
| ·离散卡尔曼滤波器算法 | 第29-31页 |
| ·扩展卡尔曼滤波器 | 第31-33页 |
| ·定位原理 | 第33-35页 |
| ·小结 | 第35页 |
| 4 基于EKF 的线特征SLAM 算法研究 | 第35-59页 |
| ·算法系统模型与步骤 | 第35-40页 |
| ·状态空间 | 第35-36页 |
| ·系统动态模型 | 第36页 |
| ·系统观测模型 | 第36-38页 |
| ·坐标转换问题 | 第36-38页 |
| ·观测模型 | 第38页 |
| ·算法步骤 | 第38-40页 |
| ·算法的实施 | 第40-52页 |
| ·直线特征提取问题 | 第40-42页 |
| ·运动初始化 | 第42-43页 |
| ·数据匹配 | 第43-49页 |
| ·门限过滤 | 第43-47页 |
| ·特征匹配 | 第47-49页 |
| ·状态更新 | 第49-50页 |
| ·新信息处理 | 第50-52页 |
| ·地图管理 | 第52页 |
| ·SLAM 算法仿真 | 第52-59页 |
| ·仿真环境的创建 | 第54-55页 |
| ·仿真示例和分析 | 第55-59页 |
| ·小结 | 第59页 |
| 5 总结与展望 | 第59-61页 |
| 参考文献 | 第61-64页 |
| 致谢 | 第64-65页 |
| 攻读硕士学位期间发表的论文 | 第65页 |
