| 摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 1 绪论 | 第8-14页 |
| ·课题的研究意义 | 第8页 |
| ·课题的主要研究问题 | 第8-10页 |
| ·地图表示方法 | 第9页 |
| ·数据关联 | 第9-10页 |
| ·不确定信息的处理 | 第10页 |
| ·算法的计算复杂度 | 第10页 |
| ·课题的经典实现方法 | 第10-12页 |
| ·基于扩展卡尔曼滤波(EKF)的SLAM方法 | 第11页 |
| ·基于粒子滤波的FastSLAM方法 | 第11-12页 |
| ·课题的研究现状 | 第12页 |
| ·课题的发展趋势 | 第12页 |
| ·论文的主要研究内容与组织结构 | 第12-14页 |
| 2 系统建模以及经典算法 | 第14-26页 |
| ·移动机器人系统建模 | 第14-17页 |
| ·坐标系统表示方法 | 第14页 |
| ·机器人位置表示方法 | 第14-15页 |
| ·机器人运动模型 | 第15页 |
| ·环境地图表示 | 第15-16页 |
| ·传感器观测模型 | 第16页 |
| ·小结 | 第16-17页 |
| ·EKF_SLAM算法 | 第17-23页 |
| ·卡尔曼滤波(KF)递归方法 | 第17-18页 |
| ·扩展卡尔曼滤波(EKF)递归方法 | 第18-19页 |
| ·EKF_SLAM算法步骤及流程图 | 第19-21页 |
| ·EKF_SLAM算法仿真 | 第21-23页 |
| ·小结 | 第23页 |
| ·FastSLAM算法 | 第23-24页 |
| ·FastSLAM算法原理 | 第23页 |
| ·FastSLAM算法仿真 | 第23-24页 |
| ·小结 | 第24页 |
| ·课题的主要解决问题 | 第24-25页 |
| ·本章小节 | 第25-26页 |
| 3 基于局部状态更新的SLAM(PU-SLAM)算法 | 第26-36页 |
| ·PU-SLAM算法的主要思想 | 第26页 |
| ·PU-SLAM算法的主要原理 | 第26-28页 |
| ·PU-SLAM算法步骤 | 第28-29页 |
| ·PU-SLAM算法仿真 | 第29-34页 |
| ·在不同参数下的MonteCarlo仿真 | 第29-31页 |
| ·与EKF-SLAM算法的比较 | 第31-32页 |
| ·与FastSLAM算法的比较 | 第32-34页 |
| ·本章小结 | 第34-36页 |
| 4 控制有色噪声SLAM(CCN-SLAM)算法 | 第36-46页 |
| ·CCN-SLAM算法的主要思想和原理 | 第36-37页 |
| ·CCN-SLAM滤波估计步骤推演 | 第37-38页 |
| ·CCN-SLAM算法步骤及流程图 | 第38-39页 |
| ·CCN-SLAM算法仿真 | 第39-44页 |
| ·与EKF_SLAM算法的比较 | 第39-42页 |
| ·与FastSLAM算法的比较 | 第42-44页 |
| ·本章小结 | 第44-46页 |
| 5 观测有色噪声SLAM(CON-SLAM)算法 | 第46-52页 |
| ·CON-SLAM算法的主要思想和原理 | 第46页 |
| ·CON-SLAM滤波估计步骤推演 | 第46-47页 |
| ·CON-SLAM算法步骤及流程图 | 第47-48页 |
| ·CON-SLAM算法仿真 | 第48-51页 |
| ·与EKF_SLAM算法的比较 | 第48-51页 |
| ·本章小结 | 第51-52页 |
| 6 总结及展望 | 第52-54页 |
| ·总结 | 第52页 |
| ·展望 | 第52-54页 |
| 致谢 | 第54-56页 |
| 参考文献 | 第56-58页 |