基于增量平滑的移动机器人同时定位与地图构建的研究
| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7-8页 |
| 1 引言 | 第12-18页 |
| 1.1 课题研究背景和意义 | 第12页 |
| 1.2 国内外研究现状、水平及发展趋势 | 第12-16页 |
| 1.3 主要研究内容和工作安排 | 第16-18页 |
| 2 基于优化的SLAM的模型 | 第18-32页 |
| 2.1 基于图优化的SLAM框架 | 第18-19页 |
| 2.2 SLAM的数学模型 | 第19-23页 |
| 2.2.1 SLAM的概率表示 | 第19页 |
| 2.2.2 SLAM的系统模型 | 第19-23页 |
| 2.3 SLAM的图模型 | 第23-26页 |
| 2.3.1 基于DBN图的建模方法 | 第23-24页 |
| 2.3.2 基于因子图的建模方法 | 第24-25页 |
| 2.3.3 基于MRF图的建模方法 | 第25-26页 |
| 2.4 SLAM的最小二乘法模型 | 第26-30页 |
| 2.4.1 SLAM的非线性最小二乘法问题 | 第26页 |
| 2.4.2 SLAM的线性最小二乘法问题 | 第26-28页 |
| 2.4.3 SLAM的标准最小二乘法问题 | 第28-30页 |
| 2.5 本章小结 | 第30-32页 |
| 3 最小二乘优化问题 | 第32-46页 |
| 3.1 最优化问题 | 第32-33页 |
| 3.1.1 一般最优化 | 第32页 |
| 3.1.2 最小二乘优化 | 第32-33页 |
| 3.2 线性最小二乘法问题 | 第33-35页 |
| 3.2.1 线性最小二乘法 | 第33-34页 |
| 3.2.2 线性最小二乘法问题的求解 | 第34-35页 |
| 3.3 非线性最小二乘问题 | 第35-39页 |
| 3.3.1 非线性最小二乘法 | 第35-36页 |
| 3.3.2 非线性最小二乘法问题的求解 | 第36-38页 |
| 3.3.3 带有权重的非线性最小二乘法问题 | 第38-39页 |
| 3.4 最小二乘法优化求解SLAM问题 | 第39-44页 |
| 3.4.1 求解思路 | 第39-40页 |
| 3.4.2 重要结论 | 第40-41页 |
| 3.4.3 一个简单的例子 | 第41-44页 |
| 3.5 本章小结 | 第44-46页 |
| 4 平滑与制图算法 | 第46-62页 |
| 4.1 平滑算法的模型和求解方法 | 第46-47页 |
| 4.2 批量式平滑算法 | 第47-49页 |
| 4.2.1 矩阵稀疏化 | 第47-49页 |
| 4.2.2 批量式平滑算法的步骤 | 第49页 |
| 4.3 增量式平滑算法 | 第49-55页 |
| 4.3.1 旋转变换 | 第49-50页 |
| 4.3.2 增量式更新 | 第50-52页 |
| 4.3.3 周期性重排序 | 第52-54页 |
| 4.3.4 增量式平滑算法的步骤 | 第54-55页 |
| 4.4 实验及仿真 | 第55-59页 |
| 4.4.1 无路标的位姿图仿真 | 第56-57页 |
| 4.4.2 含路标的位姿图仿真 | 第57-59页 |
| 4.5 优化算法高效的原因 | 第59-60页 |
| 4.6 本章小结 | 第60-62页 |
| 5 增量式平滑算法的改进 | 第62-76页 |
| 5.1 无迹变换理论 | 第62-65页 |
| 5.1.1 UT变换的基本原理 | 第62-64页 |
| 5.1.2 UT变换的基本步骤 | 第64-65页 |
| 5.2 算法的改进 | 第65-67页 |
| 5.2.1 改进的本质 | 第65-66页 |
| 5.2.2 改进的步骤 | 第66-67页 |
| 5.3 实验及仿真 | 第67-75页 |
| 5.3.1 仿真环境和车辆模型 | 第67-70页 |
| 5.3.2 性能评价指标 | 第70-71页 |
| 5.3.3 基本数据分析 | 第71-72页 |
| 5.3.4 算法对比分析 | 第72-75页 |
| 5.4 本章小结 | 第75-76页 |
| 6 总结和展望 | 第76-78页 |
| 6.1 工作总结 | 第76-77页 |
| 6.2 工作展望 | 第77-78页 |
| 参考文献 | 第78-82页 |
| 图索引 | 第82-84页 |
| 表索引 | 第84-86页 |
| 作者简历 | 第86-90页 |
| 学位论文数据集 | 第90页 |
