| 摘要 | 第1-6页 |
| Abstract | 第6-8页 |
| 目录 | 第8-10页 |
| 1 绪论 | 第10-20页 |
| ·移动机器人研究的现状与进展 | 第11-14页 |
| ·SLAM综述 | 第14-15页 |
| ·大尺度下SLAM的研究 | 第15-17页 |
| ·课题来源 | 第17-18页 |
| ·本文所做的工作及内容安排 | 第18-20页 |
| 2 SLAM算法原理 | 第20-38页 |
| ·环境地图表示方法 | 第20-21页 |
| ·卡尔曼滤波(KF)和扩展卡尔曼滤波(EKF)算法 | 第21-24页 |
| ·卡尔曼滤波(KF)算法 | 第21-23页 |
| ·扩展卡尔曼滤波(EKF)算法 | 第23-24页 |
| ·SLAM的系统模型 | 第24-27页 |
| ·状态模型 | 第24-25页 |
| ·特征模型 | 第25页 |
| ·观测模型 | 第25-26页 |
| ·系统状态向量及协方差矩阵 | 第26-27页 |
| ·定位与构图 | 第27-28页 |
| ·数据关联 | 第28-29页 |
| ·基于EKF的SLAM算法 | 第29-37页 |
| ·系统建模 | 第30-31页 |
| ·EKF_SLAM执行过程 | 第31-32页 |
| ·预测阶段 | 第32-34页 |
| ·状态更新阶段 | 第34-35页 |
| ·状态扩充 | 第35-37页 |
| ·本章小结 | 第37-38页 |
| 3 基于条件独立子地图的EKF_SLAM算法研究 | 第38-53页 |
| ·概述 | 第38-39页 |
| ·建立条件独立子地图 | 第39-44页 |
| ·基本的概率概念 | 第39-40页 |
| ·条件独立绝对子地图 | 第40-43页 |
| ·条件独立局部子地图 | 第43-44页 |
| ·建立全局地图 | 第44页 |
| ·高斯分布子地图的条件独立方法 | 第44-47页 |
| ·反向更新 | 第45-46页 |
| ·地图之间协方差的计算 | 第46-47页 |
| ·计算复杂度分析 | 第47页 |
| ·基于条件独立子地图的EKF_SLAM算法 | 第47-52页 |
| ·算法基本过程 | 第47-49页 |
| ·闭环处理 | 第49-51页 |
| ·子地图重新观察到时的处理算法 | 第51-52页 |
| ·本章小结 | 第52-53页 |
| 4 基于条件独立子地图的UKF_SLAM算法研究 | 第53-64页 |
| ·概述 | 第53页 |
| ·Unscented变换 | 第53-55页 |
| ·Unscented卡尔曼滤波算法 | 第55-56页 |
| ·基于条件独立子地图的UKF_SLAM算法 | 第56页 |
| ·各算法仿真实验及其结果分析 | 第56-63页 |
| ·仿真环境的创建 | 第57-58页 |
| ·仿真实验和结果分析 | 第58-63页 |
| ·本章小结 | 第63-64页 |
| 5. 总结与展望 | 第64-66页 |
| ·总结 | 第64页 |
| ·展望 | 第64-66页 |
| 参考文献 | 第66-70页 |
| 致谢 | 第70-71页 |
| 个人简历 | 第71-72页 |
| 攻读硕士学位期间发表的论文 | 第72页 |