基于最优滤波的同步定位与地图构建方法研究
| 摘要 | 第1-5页 |
| Abstract | 第5-10页 |
| 第1章 引言 | 第10-18页 |
| ·问题的提出 | 第10-12页 |
| ·研究目的及意义 | 第12页 |
| ·国内外研究现状 | 第12-15页 |
| ·自主移动机器人研究现状 | 第12-13页 |
| ·移动机器人SLAM 算法研究现状 | 第13-15页 |
| ·论文主要研究内容及结构组织 | 第15-18页 |
| 第2章 移动机器人同步定位与地图构建基本理论 | 第18-28页 |
| ·SLAM 问题描述 | 第18-19页 |
| ·SLAM 关键技术 | 第19-24页 |
| ·地图描述 | 第19-20页 |
| ·特征提取 | 第20-21页 |
| ·不确定信息处理 | 第21-22页 |
| ·数据关联 | 第22-23页 |
| ·机器人路径规划 | 第23-24页 |
| ·系统模型建立 | 第24-27页 |
| ·坐标系统模型 | 第24-25页 |
| ·机器人运动学模型 | 第25-26页 |
| ·传感器观测模型 | 第26-27页 |
| ·噪声模型 | 第27页 |
| ·环境特征模型 | 第27页 |
| ·地图模型 | 第27页 |
| ·本章小结 | 第27-28页 |
| 第3章 基于扩展卡尔曼滤波的SLAM 算法 | 第28-37页 |
| ·卡尔曼滤波 | 第28-32页 |
| ·基本卡尔曼滤波 | 第28-30页 |
| ·扩展卡尔曼滤波 | 第30-32页 |
| ·基于EKF 的SLAM 算法 | 第32-35页 |
| ·EKF-SLAM 算法 | 第33-34页 |
| ·数据关联 | 第34-35页 |
| ·算法分析 | 第35页 |
| ·SLAM 算法的性质 | 第35-36页 |
| ·本章小结 | 第36-37页 |
| 第4章 基于无迹卡尔曼滤波的SLAM 算法 | 第37-50页 |
| ·UKF 滤波 | 第37-40页 |
| ·UT 变换 | 第37-39页 |
| ·UKF 算法 | 第39-40页 |
| ·基于UKF 的SLAM 算法 | 第40-42页 |
| ·基于平方根UKF 的SLAM 算法 | 第42-45页 |
| ·平方根UKF 算法 | 第42-43页 |
| ·基于平方根UKF 的SLAM 算法 | 第43-45页 |
| ·仿真实验 | 第45-48页 |
| ·本章小结 | 第48-50页 |
| 第5章 基于H∞滤波的SLAM 算法 | 第50-63页 |
| ·H∞滤波 | 第50-52页 |
| ·基于H∞滤波的SLAM 算法 | 第52-55页 |
| ·收敛性分析 | 第52-53页 |
| ·基于扩展H∞滤波的SLAM 算法 | 第53-55页 |
| ·基于无迹H∞滤波的SLAM 算法 | 第55-57页 |
| ·仿真实验 | 第57-62页 |
| ·高斯白噪声 | 第58-60页 |
| ·有色噪声 | 第60-62页 |
| ·本章小结 | 第62-63页 |
| 总结与展望 | 第63-65页 |
| 参考文献 | 第65-70页 |
| 攻读硕士学位期间取得的学术成果 | 第70-71页 |
| 致谢 | 第71页 |
