| 摘要 | 第1-6页 |
| Abstract | 第6-7页 |
| 致谢 | 第7-10页 |
| 插图清单 | 第10-11页 |
| 表格清单 | 第11-12页 |
| 第一章 绪论 | 第12-19页 |
| ·引言 | 第12-14页 |
| ·SLAM 的目的及意义 | 第14页 |
| ·国内外研究现状 | 第14-17页 |
| ·移动机器人定位现状 | 第14-15页 |
| ·移动机器人地图创建现状 | 第15-16页 |
| ·SLAM 算法研究现状 | 第16-17页 |
| ·论文主要研究内容及章节安排 | 第17-19页 |
| 第二章 移动机器人同时定位与地图创建模型表示 | 第19-28页 |
| ·SLAM 问题的概率模型 | 第19-21页 |
| ·SLAM 涉及到的关键技术 | 第21-25页 |
| ·地图的描述方法 | 第21-22页 |
| ·环境信息的提取 | 第22-23页 |
| ·不确定信息的处理 | 第23-24页 |
| ·数据关联 | 第24-25页 |
| ·SLAM 中的模型 | 第25-27页 |
| ·坐标系模型 | 第25-26页 |
| ·里程计模型 | 第26页 |
| ·机器人的运动学模型 | 第26页 |
| ·传感器观测模型 | 第26-27页 |
| ·噪声模型 | 第27页 |
| ·环境特征模型及地图模型 | 第27页 |
| ·本章小结 | 第27-28页 |
| 第三章 融合遗传优化的粒子滤波算法 | 第28-38页 |
| ·蒙特卡洛方法 | 第28-29页 |
| ·采样与重采样技术 | 第29-31页 |
| ·采样方法 | 第29-30页 |
| ·粒子退化与重采样 | 第30-31页 |
| ·粒子滤波算法步骤 | 第31页 |
| ·融合遗传优化的粒子滤波 | 第31-34页 |
| ·遗传算法的基本术语 | 第32页 |
| ·遗传算法中的进化运算理论 | 第32-33页 |
| ·融合遗传优化的粒子滤波算法步骤描述 | 第33-34页 |
| ·仿真分析 | 第34-37页 |
| ·本章小结 | 第37-38页 |
| 第四章 融合遗传优化的 Rao-Blackwellized 粒子滤波 SLAM 算法 | 第38-50页 |
| ·Rao-Blackwellized 分解 | 第38-39页 |
| ·基于 Rao-Blackwellized 粒子滤波 SLAM 算法中粒子的表示形式及计算复杂度 | 第39页 |
| ·基于 Rao-Blackwellized 粒子滤波 SLAM 的流程及分析 | 第39-41页 |
| ·基于 Rao-Blackwellized 粒子滤波 SLAM 流程步骤 | 第39-40页 |
| ·基于 Rao-Blackwellized 粒子滤波 SLAM 性能分析 | 第40-41页 |
| ·融合遗传优化的 Rao-Blackwellized 粒子滤波 SLAM 算法 | 第41-46页 |
| ·重要性密度函数的选取 | 第41页 |
| ·基于 SIFT 的特征提取与匹配 | 第41-43页 |
| ·基于遗传算法的粒子优化 | 第43-44页 |
| ·地图的估计 | 第44-45页 |
| ·融合遗传优化 Rao-Blackwellized 粒子滤波 SLAM 算法流程描述 | 第45-46页 |
| ·实验结果及分析 | 第46-49页 |
| ·本章小结 | 第49-50页 |
| 第五章 总结与展望 | 第50-52页 |
| ·工作总结 | 第50页 |
| ·未来工作展望 | 第50-52页 |
| 参考文献 | 第52-56页 |
| 附录 1：攻读硕士学位期间发表的论文 | 第56页 |
| 附录 2：攻读硕士学位期间获得的奖励 | 第56页 |
| 附录 3：攻读硕士学位期间参与项目 | 第56-58页 |
