| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 绪论 | 第7-16页 |
| 1.1 研究背景及意义 | 第7-8页 |
| 1.2 研究现状及发展动态分析 | 第8-14页 |
| 1.2.1 水下机器人方面 | 第8-9页 |
| 1.2.2 机器人的定位与地图构建 | 第9-11页 |
| 1.2.3 机器人路径规划方面 | 第11-14页 |
| 1.3 本文主要研究内容 | 第14-15页 |
| 1.4 本文主要特色和创新 | 第15-16页 |
| 第二章 水下机器人定位及地图构建 | 第16-31页 |
| 2.1 离散卡尔曼滤波与扩展卡尔曼滤波定位 | 第16-19页 |
| 2.1.1 线性最优滤波—离散卡尔曼滤波器定位 | 第16-17页 |
| 2.1.2 非线性最优滤波-扩展卡尔曼滤波器定位 | 第17-19页 |
| 2.2 SLAM算法系统模型构建 | 第19-21页 |
| 2.3 基于扩展卡尔曼滤波器的SLAM算法 | 第21-25页 |
| 2.3.1 数学模型 | 第21-22页 |
| 2.3.2 算法模型 | 第22-25页 |
| 2.4 对基于扩展卡尔曼滤波的SLAM算法的改进优化 | 第25-29页 |
| 2.4.1 观测数据稀疏化 | 第26-28页 |
| 2.4.2 特征模型具体化 | 第28-29页 |
| 2.5 仿真验证 | 第29-30页 |
| 2.6 本章小结 | 第30-31页 |
| 第三章水下机器人的路径规划 | 第31-38页 |
| 3.1 快速扩展随机树算法 | 第31-33页 |
| 3.1.1 基本的快速扩展随机树算法描述 | 第31-32页 |
| 3.1.2 快速扩展随机树算法性能分析 | 第32-33页 |
| 3.1.3 相关改进算法介绍 | 第33页 |
| 3.2 基于辅助路径的快速随机树算法 | 第33-35页 |
| 3.3 仿真验证 | 第35-37页 |
| 3.4 本章小结 | 第37-38页 |
| 第四章 物理样机与实验验证 | 第38-60页 |
| 4.1 水下机器人实验平台 | 第38-45页 |
| 4.1.1 硬件系统总体设计 | 第38-41页 |
| 4.1.2 通信模块 | 第41页 |
| 4.1.3 上位机软件设计 | 第41-45页 |
| 4.2 实验验证 | 第45-59页 |
| 4.2.1 实验环境 | 第45-46页 |
| 4.2.2 地图构建 | 第46-56页 |
| 4.2.3 路径规划 | 第56-59页 |
| 4.3 本章小结 | 第59-60页 |
| 第五章 总结与展望 | 第60-62页 |
| 5.1 总结 | 第60页 |
| 5.2 展望 | 第60-62页 |
| 参考文献 | 第62-67页 |
| 作者简介 | 第67-68页 |
| 致谢 | 第68页 |