| 摘要 | 第1-8页 |
| ABSTRACT | 第8-13页 |
| 第一章 绪论 | 第13-17页 |
| ·引言 | 第13-14页 |
| ·移动机器人主体研究内容 | 第14-15页 |
| ·本文的研究内容及结构安排 | 第15-17页 |
| 第二章 移动机器人建图与定位技术概述 | 第17-25页 |
| ·移动机器人建图 | 第17-21页 |
| ·地图表示方式 | 第17-18页 |
| ·地图创建方法 | 第18-19页 |
| ·递增极大似然估计地图创建算法原理 | 第19-21页 |
| ·移动机器人自主定位概述 | 第21-23页 |
| ·移动机器人主要定位技术 | 第21-23页 |
| ·移动机器人自定位难点 | 第23页 |
| ·本章小结 | 第23-25页 |
| 第三章 概率栅格地图下的可定位性估计算法 | 第25-43页 |
| ·定位的不确定性分析 | 第25-26页 |
| ·Fisher 信息矩阵及CRB 定理 | 第26-31页 |
| ·Fisher 信息矩阵 | 第27-28页 |
| ·Cramré–Rao Bound (CRB 定理) | 第28-31页 |
| ·概率栅格地图下的移动机器人可定位性估计 | 第31-41页 |
| ·基于激光测距仪模型的定位Fisher 信息矩阵 | 第32-35页 |
| ·静态可定位性矩阵计算 | 第35-38页 |
| ·动态环境下的动态可定位性矩阵 | 第38-41页 |
| ·本章小结 | 第41-43页 |
| 第四章 拥挤环境下粒子滤波定位算法的改进 | 第43-56页 |
| ·粒子滤波定位简介 | 第44-47页 |
| ·Bayesian 滤波器 | 第44-46页 |
| ·粒子滤波定位算法 | 第46-47页 |
| ·基于里程计的运动学预测模型 | 第47-49页 |
| ·基于可定位性的修正粒子滤波定位算法 | 第49-55页 |
| ·观测模型可定位性估计 | 第51-52页 |
| ·预测模型协方差估计 | 第52-53页 |
| ·位姿动态修正 | 第53-55页 |
| ·本章小结 | 第55-56页 |
| 第五章 实验结果与分析 | 第56-72页 |
| ·实验平台 | 第56-59页 |
| ·实验结果与分析 | 第59-71页 |
| ·静态可定位性估计实验 | 第59-61页 |
| ·动态可定位性估计实验 | 第61-64页 |
| ·定位算法对比实验 | 第64-69页 |
| ·长距离拥挤环境下定位与导航演示实验 | 第69-71页 |
| ·本章小结 | 第71-72页 |
| 第六章 结论与展望 | 第72-74页 |
| ·结论 | 第72-73页 |
| ·展望 | 第73-74页 |
| 第七章参考文献 | 第74-78页 |
| 攻读硕士期间参加的科研项目 | 第78-79页 |
| 攻读硕士期间发表的学术论文 | 第79-80页 |
| 致谢 | 第80页 |