| 摘要 | 第6-7页 |
| Abstract | 第7页 |
| 1 绪论 | 第10-17页 |
| 1.1 选题背景与意义 | 第10页 |
| 1.2 机器人 SLAM 的研究现状 | 第10-15页 |
| 1.2.1 移动机器人地图创建 | 第11-12页 |
| 1.2.2 移动机器人定位 | 第12-13页 |
| 1.2.3 SLAM 算法的研究 | 第13-14页 |
| 1.2.4 数据关联 | 第14-15页 |
| 1.3 本文研究内容及章节安排 | 第15-17页 |
| 2 机器人系统建模与线段特征地图创建 | 第17-27页 |
| 2.1 机器人的坐标系统模型及运动模型 | 第17-20页 |
| 2.2 线段特征地图的创建 | 第20-23页 |
| 2.2.1 超声波传感器测距模型 | 第20-22页 |
| 2.2.2 超声波测距特征提取 | 第22-23页 |
| 2.2.3 特征线段拟合 | 第23页 |
| 2.3 特征线段存取 | 第23-26页 |
| 2.3.1 线段特征表的建立 | 第24页 |
| 2.3.2 基于线段特征编码的地图创建 | 第24-26页 |
| 2.4 小结 | 第26-27页 |
| 3 基于扩展卡尔曼滤波的 SLAM 算法 | 第27-47页 |
| 3.1 扩展卡尔曼滤波算法 | 第27-31页 |
| 3.2 扩展卡尔曼滤波 SLAM 算法的实现 | 第31-38页 |
| 3.3 机器人位置校正 | 第38-42页 |
| 3.4 SLAM 地图创建 | 第42-45页 |
| 3.5 小结 | 第45-47页 |
| 4 基于改进的平方根容积卡尔曼滤波的 SLAM 算法 | 第47-56页 |
| 4.1 基于组合迭代平方根容积卡尔曼滤波的 SLAM 算法 | 第47-52页 |
| 4.1.1 容积规则 | 第47-48页 |
| 4.1.2 迭代策略的选取 | 第48-50页 |
| 4.1.3 组合高斯-牛顿迭代平方根容积卡尔曼滤波 | 第50-51页 |
| 4.1.4 组合迭代平方根容积卡尔曼滤波的 SLAM 算法的实现 | 第51-52页 |
| 4.2 基于自适应迭代平方根容积卡尔曼滤波的 SLAM 算法 | 第52-55页 |
| 4.2.1 判决门限的选择和自适应因子的选取 | 第52-53页 |
| 4.2.2 自适应迭代平方根容积卡尔曼滤波 | 第53-54页 |
| 4.2.3 自适应迭代平方根容积卡尔曼滤波的 SLAM 算法的实现 | 第54-55页 |
| 4.3 小结 | 第55-56页 |
| 5 基于平方根容积粒子滤波的 SLAM 算法 | 第56-61页 |
| 5.1 粒子滤波 | 第56-57页 |
| 5.2 平方根容积粒子滤波 | 第57-59页 |
| 5.3 平方根容积卡粒子滤波的 SLAM 算法的实现 | 第59-60页 |
| 5.4 小结 | 第60-61页 |
| 6 实验结果与分析 | 第61-74页 |
| 6.1 实验模型 | 第61页 |
| 6.2 实验环境 | 第61-62页 |
| 6.3 实验结论与分析 | 第62-74页 |
| 结论 | 第74-76页 |
| 参考文献 | 第76-81页 |
| 攻读硕士学位期间发表学术论文情况 | 第81-82页 |
| 致谢 | 第82-83页 |
