| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第1章 绪论 | 第8-18页 |
| 1.1 SLAM的研究背景 | 第8-9页 |
| 1.2 SLAM算法模型 | 第9-14页 |
| 1.2.1 基于卡尔曼滤波器SLAM算法(KF-SLAM) | 第11-12页 |
| 1.2.2 基于粒子滤波SLAM算法(PF-SLAM) | 第12-13页 |
| 1.2.3 基于松弛优化SLAM算法 | 第13-14页 |
| 1.2.4 基于随机梯度下降SLAM方法 | 第14页 |
| 1.3 数据关联方法 | 第14页 |
| 1.4 机器人地图表示方法 | 第14-16页 |
| 1.4.1 栅格环境地图表示方法 | 第15页 |
| 1.4.2 几何特征环境地图表示方法 | 第15-16页 |
| 1.4.3 拓扑环境地图表示方法 | 第16页 |
| 1.4.4 混合环境地图表示方法 | 第16页 |
| 1.5 本文的主要内容 | 第16-18页 |
| 第2章 SLAM算法的研究 | 第18-29页 |
| 2.1 SLAM的Bayes滤波算法 | 第18-25页 |
| 2.1.1 Bayes的滤波框架 | 第18-19页 |
| 2.1.2 KF-SLAM算法模型 | 第19-20页 |
| 2.1.3 EKF-SLAM算法模型 | 第20-21页 |
| 2.1.4 UKF-SLAM算法模型 | 第21-23页 |
| 2.1.5 PF-SLAM算法模型 | 第23-25页 |
| 2.2 随机有限集的SLAM模型 | 第25-27页 |
| 2.2.1 随机有限集的概念 | 第25页 |
| 2.2.2 随机有限集的密度函数 | 第25-26页 |
| 2.2.3 随机有限集的势分布 | 第26页 |
| 2.2.4 PHD-SLAM滤波器 | 第26-27页 |
| 2.3 本章小结 | 第27-29页 |
| 第3章 PHD-SLAM算法及其改进 | 第29-41页 |
| 3.1 粒子PHD-SLAM | 第29-32页 |
| 3.1.1 粒子PHD-SLAM基本原理 | 第29-30页 |
| 3.1.2 粒子PHD-SLAM实现 | 第30-32页 |
| 3.2 粒子PHD-SLAM仿真实验分析 | 第32-34页 |
| 3.3 无迹粒子PHD-SLAM | 第34-37页 |
| 3.3.1 无迹粒子PHD-SLAM基本原理 | 第34-35页 |
| 3.3.2 无迹粒子PHD-SLAM实现 | 第35-37页 |
| 3.4 无迹粒子PHD-SLAM仿真实验分析 | 第37-39页 |
| 3.5 本章小结 | 第39-41页 |
| 第4章 动态未知环境下SLAM | 第41-55页 |
| 4.1 问题描述 | 第41-42页 |
| 4.2 系统的总体设计 | 第42页 |
| 4.3 系统的具体设计 | 第42-44页 |
| 4.4 系统的具体实现 | 第44-49页 |
| 4.5 系统的实验分析 | 第49-53页 |
| 4.5.1 仿真实验需要的平台以及环境 | 第49-51页 |
| 4.5.2 实验结果分析 | 第51-53页 |
| 4.6 本章小结 | 第53-55页 |
| 总结与展望 | 第55-57页 |
| 参考文献 | 第57-62页 |
| 致谢 | 第62页 |