移动机器人同时定位与地图创建算法研究
| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 1 绪论 | 第7-13页 |
| ·移动机器人发展概述 | 第7-8页 |
| ·移动机器人的地图创建与定位 | 第8-10页 |
| ·移动机器人的同时定位与地图创建 | 第10-12页 |
| ·论文的研究内容与组织结构 | 第12-13页 |
| 2 SLAM问题相关模型 | 第13-20页 |
| ·机器人相关模型 | 第13-18页 |
| ·坐标系统模型 | 第13页 |
| ·环境地图模型 | 第13-14页 |
| ·机器人位置模型 | 第14页 |
| ·里程计或控制命令模型 | 第14-15页 |
| ·机器人运动模型 | 第15-17页 |
| ·传感器观测模型 | 第17页 |
| ·环境特征动态模型 | 第17-18页 |
| ·噪声模型 | 第18页 |
| ·SLAM问题的一般模型 | 第18-19页 |
| ·联合状态向量的动态模型 | 第19页 |
| ·本章小结 | 第19-20页 |
| 3 基于卡尔曼滤波的SLAM研究 | 第20-40页 |
| ·扩展卡尔曼SLAM | 第20-24页 |
| ·卡尔曼滤波 | 第20-21页 |
| ·扩展卡尔曼滤波SLAM | 第21-24页 |
| ·UKF SLAM | 第24-27页 |
| ·UT变换 | 第24-25页 |
| ·UKF SLAM | 第25-27页 |
| ·实验与结果分析 | 第27-39页 |
| ·机器人运动模型与观测模型 | 第27-28页 |
| ·实验结果分析 | 第28-39页 |
| ·本章小结 | 第39-40页 |
| 4 基于粒子滤波的SLAM研究 | 第40-54页 |
| ·粒子滤波原理 | 第40-43页 |
| ·粒子滤波理论 | 第40-42页 |
| ·样本退化处理方法 | 第42-43页 |
| ·Fast SLAM | 第43-47页 |
| ·Rao-Blackwellised粒子滤波方法 | 第44-45页 |
| ·Fast SLAM | 第45-47页 |
| ·UKF-FastSLAM | 第47-48页 |
| ·实验与结果分析 | 第48-53页 |
| ·机器人运动模型与观测模型 | 第48-49页 |
| ·实验结果分析 | 第49-53页 |
| ·本章小结 | 第53-54页 |
| 5 总结与展望 | 第54-55页 |
| 致谢 | 第55-56页 |
| 参考文献 | 第56-58页 |
