| 摘要 | 第1-7页 |
| Abstract | 第7-10页 |
| 目录 | 第10-13页 |
| 第一章 绪论 | 第13-29页 |
| ·研究背景 | 第13-14页 |
| ·智能移动机器人的研究概况 | 第14-17页 |
| ·智能移动机器人定位与地图创建研究概述 | 第17-20页 |
| ·定位方法的研究现状 | 第17-18页 |
| ·地图创建方法的研究现状 | 第18-20页 |
| ·面向智能移动机器人的同时定位与地图创建研究综述 | 第20-25页 |
| ·SLAM问题的历史 | 第20-21页 |
| ·SLAM问题的解决方法 | 第21-23页 |
| ·SLAM研究的难点 | 第23-25页 |
| ·SLAM问题未来的研究趋势 | 第25页 |
| ·本文的内容安排及创新点 | 第25-29页 |
| ·本文的内容安排 | 第25-26页 |
| ·本文的创新点 | 第26-29页 |
| 第二章 实验模型与SLAM标准数据集介绍 | 第29-35页 |
| ·智能移动机器人模型 | 第29-30页 |
| ·地图模型 | 第30页 |
| ·机器人运动模型 | 第30-31页 |
| ·传感器观测模型 | 第31-32页 |
| ·简化仿真模型 | 第32-33页 |
| ·‘Car Park Dataset'数据集 | 第33-34页 |
| ·‘Victoria Park Dataset'数据集 | 第34页 |
| ·本章小结 | 第34-35页 |
| 第三章 基于卡尔曼滤波器的同时定位与地图创建研究 | 第35-57页 |
| ·SLAM问题中常用的卡尔曼滤波器 | 第35-39页 |
| ·扩展卡尔曼滤波器(Extended Kalman Filter,EKF) | 第35-36页 |
| ·Unscented卡尔曼滤波器(Unscented Kalman Filter,UKF) | 第36-37页 |
| ·迭代EKF(Iterated EKF,IEKF)及迭代UKF(Iterated UKF,IUKF) | 第37-39页 |
| ·非线性SLAM问题的卡尔曼滤波器改进方法研究 | 第39-50页 |
| ·渐进增量法(Stepwise Increment) | 第39-40页 |
| ·平均斜率法(Mean Slope) | 第40-42页 |
| ·基于卡尔曼滤波器的SLAM解法 | 第42-44页 |
| ·仿真及分析 | 第44-48页 |
| ·实验及分析 | 第48-50页 |
| ·快速卡尔曼SLAM算法 | 第50-56页 |
| ·快速卡尔曼SLAM算法(Fast Kalman SLAM)的基本思想 | 第50页 |
| ·路径估计 | 第50-51页 |
| ·地图估计 | 第51-52页 |
| ·仿真及分析 | 第52-53页 |
| ·实验及分析 | 第53-56页 |
| ·结论 | 第56-57页 |
| 第四章 基于粒子滤波器的同时定位与地图创建研究 | 第57-82页 |
| ·基于Rao-Blackwellise粒子滤波器的FastSLAM算法 | 第57-63页 |
| ·Rao-Blackwellise粒子滤波器 | 第57-61页 |
| ·FastSLAM算法的具体思想 | 第61-62页 |
| ·FastSLAM算法的一致性分析 | 第62-63页 |
| ·遗传快速SLAM算法 | 第63-67页 |
| ·基于遗传算法的粒子集优化 | 第63-66页 |
| ·遗传快速SLAM算法的实现过程 | 第66-67页 |
| ·边缘粒子滤波器和辅助边缘粒子滤波器 | 第67-69页 |
| ·边缘粒子滤波器(Marginal Particle Filter,MPF) | 第67-68页 |
| ·辅助边缘粒子滤波器(AuxiliaryMarginal ParticleFilter,AMPF) | 第68-69页 |
| ·辅助边缘快速SLAM算法 | 第69-74页 |
| ·辅助边缘快速SLAM算法的采样方法和粒子数据结构 | 第70-71页 |
| ·位姿估计 | 第71-73页 |
| ·地图估计 | 第73-74页 |
| ·辅助边缘快速SLAM算法的实现过程 | 第74页 |
| ·分解边缘SLAM算法 | 第74-77页 |
| ·位姿估计 | 第75-76页 |
| ·地图估计 | 第76页 |
| ·分解边缘SLAM算法的实现过程 | 第76-77页 |
| ·仿真及分析 | 第77-79页 |
| ·实验及分析 | 第79-81页 |
| ·结论 | 第81-82页 |
| 第五章 SLAM中的数据关联研究 | 第82-98页 |
| ·SLAM中的数据关联方法回顾 | 第82-87页 |
| ·数据关联的问题表述 | 第82-83页 |
| ·确认门控条件 | 第83-84页 |
| ·独立相容数据关联方法 | 第84-85页 |
| ·联合相容数据关联方法 | 第85-86页 |
| ·其他数据关联方法 | 第86-87页 |
| ·SLAM数据关联过程的改进方法 | 第87-89页 |
| ·局部关联策略 | 第87-88页 |
| ·动态关联策略 | 第88-89页 |
| ·提出的SLAM数据关联算法 | 第89-93页 |
| ·优化联合相容分支定界算法(Optimized JCBB,OJCBB) | 第89-91页 |
| ·动态联合最近邻算法(Dynamic Joint Nearest Neighbor,DJNN) | 第91-93页 |
| ·仿真及分析 | 第93-96页 |
| ·实验及分析 | 第96-97页 |
| ·结论 | 第97-98页 |
| 第六章 SLAM中的地图模型研究 | 第98-112页 |
| ·SLAM中的典型地图模型 | 第98-101页 |
| ·稀疏特征地图 | 第98-99页 |
| ·基于三角区域的密集地图 | 第99-100页 |
| ·激光匹配地图 | 第100-101页 |
| ·全局观测地图模型 | 第101-106页 |
| ·观测信息的提取准则 | 第102-103页 |
| ·密集地图的生成方法 | 第103-105页 |
| ·密集地图的可视化 | 第105-106页 |
| ·基于全局观测地图模型的SLAM算法 | 第106-107页 |
| ·实验及分析 | 第107-111页 |
| ·小结 | 第111-112页 |
| 第七章 总结与展望 | 第112-114页 |
| 致谢 | 第114-115页 |
| 参考文献 | 第115-127页 |
| 附录 | 第127页 |
