| 摘要 | 第1-4页 |
| ABSTRACT | 第4-8页 |
| 第一章 绪论 | 第8-16页 |
| ·课题研究目的与意义 | 第8-9页 |
| ·移动机器人发展概述 | 第9-11页 |
| ·移动机器人同时定位与地图构建（SLAM）研究概述 | 第11-15页 |
| ·SLAM 研究历史 | 第11-12页 |
| ·SLAM 研究现状 | 第12-15页 |
| ·主要研究内容和结构安排 | 第15-16页 |
| 第二章 SLAM 地图构建与系统基本建模 | 第16-26页 |
| ·环境地图表示方法 | 第16-18页 |
| ·栅格地图 | 第16-17页 |
| ·特征地图 | 第17-18页 |
| ·拓扑地图 | 第18页 |
| ·SLAM 系统基本建模 | 第18-24页 |
| ·移动机器人坐标系统模型 | 第18-19页 |
| ·移动机器人运动模型 | 第19-21页 |
| ·机器人位姿模型 | 第21页 |
| ·传感器观测模型 | 第21页 |
| ·环境地图模型 | 第21-22页 |
| ·里程计与控制命令模型 | 第22-23页 |
| ·环境特征的增广模型 | 第23页 |
| ·环境特征的动态模型 | 第23-24页 |
| ·噪声模型 | 第24页 |
| ·SLAM 贝叶斯滤波模型 | 第24-25页 |
| ·本章小结 | 第25-26页 |
| 第三章 基于卡尔曼滤波的 SLAM 方法 | 第26-38页 |
| ·扩展卡尔曼滤波算法 | 第26-28页 |
| ·卡尔曼滤波 | 第26-27页 |
| ·EKF 算法 | 第27-28页 |
| ·无迹卡尔曼滤波算法 | 第28-30页 |
| ·扩展卡尔曼滤波 SLAM 算法实现 | 第30-32页 |
| ·无迹卡尔曼滤波 SLAM 算法实现 | 第32-33页 |
| ·仿真实验结果与分析 | 第33-37页 |
| ·实验 1 | 第33-35页 |
| ·实验 2 | 第35-37页 |
| ·本章小结 | 第37-38页 |
| 第四章 基于自适应人工物理优化粒子滤波 SLAM 算法 | 第38-48页 |
| ·FastSLAM 算法介绍 | 第38-42页 |
| ·SLAM 系统描述 | 第38-39页 |
| ·FastSLAM 算法的实现及缺点 | 第39-42页 |
| ·基于自适应人工物理优化粒子滤波 SLAM 算法 | 第42-44页 |
| ·人工物理优化算法优化粒子分布 | 第42-44页 |
| ·自适应策略 | 第44页 |
| ·仿真实验结果与分析 | 第44-47页 |
| ·本章小结 | 第47-48页 |
| 第五章 总结和展望 | 第48-50页 |
| ·总结 | 第48页 |
| ·展望 | 第48-50页 |
| 参考文献 | 第50-54页 |
| 个人简历 在读期间发表的学术论文 | 第54-55页 |
| 致谢 | 第55页 |