| 摘要 | 第1-5页 |
| Abstract | 第5-10页 |
| 第1章 绪论 | 第10-14页 |
| ·课题的背景及研究目的与意义 | 第10-12页 |
| ·课题研究的内容 | 第12页 |
| ·论文的组织结构 | 第12-14页 |
| 第2章 自主移动机器人导航和同步定位与地图创建技术 | 第14-22页 |
| ·自主移动机器人导航概述 | 第14页 |
| ·自主移动机器人的定位问题 | 第14-16页 |
| ·位置跟踪 | 第15-16页 |
| ·全局定位 | 第16页 |
| ·自主移动机器人的地图创建问题 | 第16-18页 |
| ·栅格地图 | 第17页 |
| ·几何地图 | 第17页 |
| ·拓扑地图 | 第17-18页 |
| ·同步定位与地图创建技术 | 第18-21页 |
| ·同步定位与地图创建问题简述 | 第18-19页 |
| ·同步定位与地图创建技术的主要内容 | 第19-20页 |
| ·同步定位与地图创建技术的研究趋势 | 第20-21页 |
| ·本章小结 | 第21-22页 |
| 第3章 基于扩展卡尔曼滤波的SLAM算法 | 第22-51页 |
| ·SLAM问题的概率模型 | 第22-24页 |
| ·卡尔曼滤波算法 | 第24-30页 |
| ·线性卡尔曼滤波 | 第24-27页 |
| ·扩展卡尔曼滤波 | 第27-28页 |
| ·EKF求解SLAM问题 | 第28-30页 |
| ·基于车辆-路标模型的EKF-SLAM算法 | 第30-37页 |
| ·增广状态过程模型 | 第30-32页 |
| ·观测模型 | 第32页 |
| ·估计公式 | 第32-34页 |
| ·数据关联 | 第34-35页 |
| ·状态增广 | 第35-36页 |
| ·小结 | 第36-37页 |
| ·基于车辆-路标模型的EKF-SLAM算法的仿真分析 | 第37-43页 |
| ·仿真参数设置 | 第37-38页 |
| ·路标稀疏的地图下的仿真结果 | 第38-41页 |
| ·路标稠密的地图下的仿真结果 | 第41-43页 |
| ·基于EKF的SLAM算法的若干问题 | 第43-48页 |
| ·算法估计的一致性问题 | 第44-47页 |
| ·计算复杂度问题 | 第47页 |
| ·数据关联问题 | 第47-48页 |
| ·降低基于EKF的SLAM算法计算复杂度的改进算法 | 第48-50页 |
| ·本章小结 | 第50-51页 |
| 第4章 基于稀疏扩展信息滤波的SLAM算法 | 第51-82页 |
| ·SLAM问题概率模型的信息形式 | 第51-53页 |
| ·扩展信息滤波算法 | 第53-59页 |
| ·观测更新 | 第53-55页 |
| ·移动更新 | 第55-59页 |
| ·EIF的稀疏表达 | 第59-66页 |
| ·稀疏化的一般思想 | 第59-60页 |
| ·信息矩阵的稀疏化 | 第60-63页 |
| ·状态向量近似递推恢复 | 第63-64页 |
| ·数据关联概率近似恢复 | 第64-66页 |
| ·基于车辆-路标模型的SEIF-SLAM算法 | 第66-71页 |
| ·基于车辆-路标模型的SEIF-SLAM算法的仿真分析 | 第71-79页 |
| ·路标稀疏的地图下的仿真结果 | 第71-74页 |
| ·路标稠密的地图下的仿真结果 | 第74-76页 |
| ·稀疏化程度对SEIF-SLAM算法执行的影响 | 第76-79页 |
| ·SEIF-SLAM算法与EKF-SLAM算法的比较 | 第79-81页 |
| ·本章小结 | 第81-82页 |
| 第5章 基于Car Park真实实验数据的SLAM算法实验研究 | 第82-96页 |
| ·Car Park实验数据结构 | 第82-84页 |
| ·基于Car Park实验数据的SLAM问题的模型 | 第84-87页 |
| ·过程模型及其雅可比矩阵 | 第85-86页 |
| ·观测模型及其雅可比矩阵 | 第86-87页 |
| ·基于EKF的SLAM算法实验结果 | 第87-91页 |
| ·算法中的参数设置 | 第87-88页 |
| ·实验结果 | 第88-91页 |
| ·基于SEIF的SLAM算法实验结果 | 第91-94页 |
| ·本章小结 | 第94-96页 |
| 结论 | 第96-98页 |
| 参考文献 | 第98-103页 |
| 攻读学位期间发表的学术论文 | 第103-105页 |
| 致谢 | 第105页 |
