基于贝叶斯的多机器人SLAM方法研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 引言 | 第9-10页 |
| 1 绪论 | 第10-16页 |
| 1.1 课题研究的目的和意义 | 第10-11页 |
| 1.2 同时定位与地图构建概述 | 第11-14页 |
| 1.2.1 SLAM 问题描述 | 第11-12页 |
| 1.2.2 SLAM 问题主要方法及研究现状 | 第12-14页 |
| 1.3 文章结构安排及主要内容 | 第14-16页 |
| 2 SLAM 贝叶斯算法理论 | 第16-26页 |
| 2.1 SLAM 估计问题描述 | 第16-18页 |
| 2.2 SLAM 贝叶斯滤波 | 第18-20页 |
| 2.3 多机器人系统模型 | 第20-25页 |
| 2.3.1 环境地图模型 | 第21-22页 |
| 2.3.2 噪声模型 | 第22页 |
| 2.3.3 多机器人运动模型 | 第22-24页 |
| 2.3.4 多机器人观测模型 | 第24-25页 |
| 2.4 本章小结 | 第25-26页 |
| 3 单机器人三种方法研究 | 第26-44页 |
| 3.1 三种方法的理论基础 | 第26-40页 |
| 3.1.1 扩展卡尔曼滤波 SLAM 方法 | 第26-28页 |
| 3.1.2 扩展信息滤波 SLAM 方法 | 第28-36页 |
| 3.1.3 精确稀疏扩展信息滤波 SLAM 方法 | 第36-40页 |
| 3.2 三种方法仿真分析 | 第40-43页 |
| 3.3 本章小结 | 第43-44页 |
| 4 多机器人 SLAM 方法研究 | 第44-61页 |
| 4.1 多机器人扩展信息滤波 SLAM 方法 | 第44-57页 |
| 4.1.1 运动更新 | 第45-50页 |
| 4.1.2 观测更新 | 第50-54页 |
| 4.1.3 扩增特征点 | 第54-57页 |
| 4.2 仿真验证 | 第57-60页 |
| 4.3 本章小结 | 第60-61页 |
| 5 多机器人一种快速算法研究 | 第61-77页 |
| 5.1 多机器人精确稀疏扩展信息滤波 | 第61-68页 |
| 5.1.1 MRESEIF 算法步骤 | 第61-62页 |
| 5.1.2 MRESEIF 算法稀疏策略 | 第62-68页 |
| 5.2 多机器人 SLAM 快速算法仿真 | 第68-76页 |
| 5.2.1 仿真实验一 | 第68-71页 |
| 5.2.2 仿真实验二 | 第71-74页 |
| 5.2.3 实验结论 | 第74-76页 |
| 5.3 本章小结 | 第76-77页 |
| 6 总结与展望 | 第77-78页 |
| 6.1 总结 | 第77页 |
| 6.2 展望 | 第77-78页 |
| 参考文献 | 第78-82页 |
| 在学研究成果 | 第82-83页 |
| 致谢 | 第83页 |
