| 摘要 | 第1-13页 |
| ABSTRACT | 第13-16页 |
| 第一章 绪论 | 第16-38页 |
| ·自主移动机器人导航问题 | 第16-18页 |
| ·自主移动机器人 | 第16页 |
| ·移动机器人导航问题的概念及组成 | 第16-18页 |
| ·机器人导航常用传感器 | 第18页 |
| ·自主移动机器人同步定位与建图问题(SLAM) | 第18-25页 |
| ·SLAM 问题的基本概念 | 第18-19页 |
| ·SLAM 问题的理论意义和应用价值 | 第19-21页 |
| ·地图表示方法 | 第21-22页 |
| ·SLAM 问题的研究历史简介 | 第22-24页 |
| ·SLAM 的难点和挑战 | 第24-25页 |
| ·SLAM 中的数据关联问题 | 第25-30页 |
| ·SLAM 中的数据关联问题的定义 | 第26-27页 |
| ·SLAM 中数据关联相关问题 | 第27-30页 |
| ·国内外研究现状及存在的问题 | 第30-34页 |
| ·目标跟踪中的数据关联方法 | 第30-31页 |
| ·SLAM 中的数据关联方法 | 第31-33页 |
| ·SLAM 中数据关联相关问题研究存在的不足 | 第33-34页 |
| ·论文的主要内容、贡献和论文组织结构 | 第34-38页 |
| ·论文研究的主要工作与内容 | 第34-35页 |
| ·论文研究的主要贡献 | 第35-36页 |
| ·论文的组织结构 | 第36-38页 |
| 第二章 数据关联的图搜索建模与分析 | 第38-56页 |
| ·SLAM 中的数据关联问题描述 | 第38-40页 |
| ·公式描述 | 第38-39页 |
| ·模型描述 | 第39-40页 |
| ·主要的数据关联方法 | 第40-48页 |
| ·门限过滤 | 第41-42页 |
| ·最近邻数据关联 | 第42-43页 |
| ·概率数据关联 | 第43页 |
| ·多维分配关联算法 | 第43-44页 |
| ·联合相容性检验算法 | 第44-45页 |
| ·多假设数据关联 | 第45-46页 |
| ·基于图论的关联算法 | 第46-47页 |
| ·Monte Carlo 数据关联 | 第47-48页 |
| ·惰性数据关联 | 第48页 |
| ·数据关联的关联树建模与分析 | 第48-51页 |
| ·数据关联问题的关联树表示 | 第48-50页 |
| ·关联树的性质 | 第50-51页 |
| ·关联树与解释树的比较 | 第51页 |
| ·各种数据关联方法的图搜索分析 | 第51-55页 |
| ·深度优先搜索关联算法 | 第51-53页 |
| ·宽度优先搜索关联算法 | 第53-54页 |
| ·启发式图搜索关联算法 | 第54页 |
| ·关联算法综合比较 | 第54-55页 |
| ·本章小结 | 第55-56页 |
| 第三章 基于回溯搜索数据关联的递增式SLAM 算法 | 第56-92页 |
| ·增量式关联算法的局限性分析 | 第56-58页 |
| ·基于关联树有限深度回溯搜索数据关联 | 第58-62页 |
| ·算法实现 | 第58-61页 |
| ·基本性质 | 第61-62页 |
| ·递增式完全SLAM 算法 | 第62-73页 |
| ·SLAM 问题的图模型表示 | 第62-63页 |
| ·基于最小二乘的状态估计 | 第63-65页 |
| ·基于Givens 变换的QR 分解 | 第65-66页 |
| ·增量式SLAM 算法 | 第66-73页 |
| ·关联树剪枝 | 第73-79页 |
| ·残差增量的物理意义 | 第73-75页 |
| ·关联树剪枝过程实现 | 第75-78页 |
| ·示例分析 | 第78-79页 |
| ·实验验证 | 第79-90页 |
| ·示例验证 | 第79-80页 |
| ·实体机器人实验 | 第80-87页 |
| ·仿真实验 | 第87-90页 |
| ·本章小结 | 第90-92页 |
| 第四章 SLAM 中状态估计的收敛性分析 | 第92-120页 |
| ·SLAM 问题的随机估计模型表示 | 第92-96页 |
| ·SLAM 问题的Bayes 滤波模型 | 第93-94页 |
| ·基于Kalman 滤波的SLAM 算法 | 第94-96页 |
| ·SLAM 中环境地图估计的收敛特性 | 第96-98页 |
| ·SLAM 中机器人定位估计的收敛特性 | 第98-114页 |
| ·预备知识 | 第98-99页 |
| ·机器人定位估计的收敛特性分析 | 第99-114页 |
| ·仿真实验验证 | 第114-118页 |
| ·机器人定位估计收敛特性验证实验 | 第115-116页 |
| ·闭环问题验证实验 | 第116-118页 |
| ·本章小结 | 第118-120页 |
| 第五章 基于粒子滤波的在线主动闭环探索与建图 | 第120-140页 |
| ·主动闭环过程的多阶段决策模型 | 第120-124页 |
| ·在线主动闭环探索过程 | 第122页 |
| ·主动闭环中的多阶段决策 | 第122-124页 |
| ·多阶段决策过程 | 第124-126页 |
| ·带有前沿的辅助拓扑地图 | 第124-125页 |
| ·探索模式决策 | 第125页 |
| ·未知区域探索决策 | 第125-126页 |
| ·基于粒子滤波的闭环确认及闭环约束建立 | 第126-132页 |
| ·粒子滤波定位方法简介 | 第126-127页 |
| ·基于粒子滤波的闭环确认决策 | 第127-131页 |
| ·闭环约束建立 | 第131-132页 |
| ·实验验证与应用 | 第132-139页 |
| ·仿真实验验证 | 第132-135页 |
| ·实体机器人应用实验 | 第135-139页 |
| ·本章小结 | 第139-140页 |
| 第六章 基于粒子簇滤波定位的地图合并算法 | 第140-162页 |
| ·多机器人SLAM 地图合并问题 | 第140-144页 |
| ·地图合并问题的概念 | 第140-141页 |
| ·地图合并问题分类 | 第141页 |
| ·主要的地图合并方法 | 第141-144页 |
| ·完全分布式多机器人SLAM | 第144-145页 |
| ·基于粒子簇滤波定位的地图合并算法 | 第145-154页 |
| ·粒子簇滤波定位 | 第146页 |
| ·局部合并假设生成 | 第146-149页 |
| ·全局合并假设生成 | 第149-153页 |
| ·减小计算量的措施 | 第153-154页 |
| ·仿真实验验证 | 第154-159页 |
| ·仿真实验设置 | 第154-155页 |
| ·实验结果及分析 | 第155-159页 |
| ·本章小结 | 第159-162页 |
| 第七章 总结与展望 | 第162-166页 |
| ·论文工作总结 | 第162-163页 |
| ·进一步工作展望 | 第163-166页 |
| 致谢 | 第166-168页 |
| 参考文献 | 第168-178页 |
| 作者在学期间取得的学术成果 | 第178-179页 |