水下机器人自主导航方法研究
| 摘要 | 第1-7页 |
| Abstract | 第7-11页 |
| 1 绪论 | 第11-23页 |
| ·研究背景 | 第11-12页 |
| ·AUV 的国内外研究现状 | 第12-14页 |
| ·AUV 自主导航方法及其研究现状 | 第14-16页 |
| ·AUV 定位技术 | 第14-15页 |
| ·AUV 路径规划技术 | 第15-16页 |
| ·同时的定位与地图创建（SLAM）概述 | 第16-20页 |
| ·SLAM 概述 | 第16-17页 |
| ·环境表示方法 | 第17-19页 |
| ·数据关联方法 | 第19-20页 |
| ·本文 AUV 简介 | 第20-21页 |
| ·本文研究内容和组织结构 | 第21-23页 |
| 2 基于 EKF 的 SLAM 算法实现与改进 | 第23-47页 |
| ·扩展卡尔曼滤波（EKF）原理 | 第23-26页 |
| ·SLAM 算法坐标系定义 | 第26-28页 |
| ·SLAM 算法系统建模 | 第28-31页 |
| ·AUV 运动模型 | 第28-30页 |
| ·障碍物观测模型 | 第30-31页 |
| ·基于 EKF 的 SLAM 过程 | 第31-36页 |
| ·算法流程 | 第31-32页 |
| ·增广状态向量 | 第32页 |
| ·AUV 姿态初始化 | 第32-33页 |
| ·预测阶段 | 第33-34页 |
| ·校正阶段 | 第34-35页 |
| ·状态扩展过程 | 第35-36页 |
| ·基于二次数据关联的 SLAM 算法 | 第36-39页 |
| ·传统 SLAM 方法存在的不足 | 第36-37页 |
| ·改进的 SLAM 算法 | 第37-39页 |
| ·仿真实验 | 第39-45页 |
| ·基于 EKF 的 SLAM 算法仿真 | 第40-42页 |
| ·改进的 SLAM 算法仿真 | 第42-45页 |
| ·本章小结 | 第45-47页 |
| 3 基于扇区扫描的改进人工势场法 | 第47-60页 |
| ·传统人工势场法 | 第47-48页 |
| ·已有人工势场法存在的不足 | 第48-52页 |
| ·传统人工势场法的不足 | 第48-50页 |
| ·改进方法的不足 | 第50-52页 |
| ·基于扇区扫描的人工势场法 | 第52-58页 |
| ·基于扇区扫描方法的环境建模 | 第53-56页 |
| ·局部最小点问题解决方案 | 第56-58页 |
| ·仿真实验 | 第58-59页 |
| ·本章小结 | 第59-60页 |
| 4 AUV 自主导航方法实现及测试 | 第60-65页 |
| ·基于真实环境的 SLAM 测试与结果分析 | 第60-62页 |
| ·整合 SLAM 和路径规划的海试及结果分析 | 第62-64页 |
| ·本章小结 | 第64-65页 |
| 5 总结与展望 | 第65-67页 |
| 参考文献 | 第67-70页 |
| 致谢 | 第70-71页 |
| 个人简历 | 第71页 |
| 发表的学术论文与研究成果 | 第71页 |
