移动机器人同时定位与地图创建自适应算法研究
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 第一章 绪论 | 第9-21页 |
| ·引言 | 第9页 |
| ·自主移动机器人综述 | 第9-11页 |
| ·自主移动机器人研究意义 | 第9-10页 |
| ·机器人导航的研究内容 | 第10-11页 |
| ·移动机器人导航技术发展趋势 | 第11页 |
| ·移动机器人同时定位与地图创建综述 | 第11-19页 |
| ·SLAM 问题涉及的理论和技术 | 第12-14页 |
| ·SLAM 的实现方法 | 第14-16页 |
| ·SLAM 方法存在的问题及解决方案 | 第16-19页 |
| ·SLAM 前景展望 | 第19页 |
| ·本文主要内容 | 第19-21页 |
| 第二章 移动机器人系统建模 | 第21-26页 |
| ·坐标系统模型 | 第21页 |
| ·环境模型 | 第21-22页 |
| ·机器人模型 | 第22页 |
| ·机器人车体模型 | 第22页 |
| ·机器人运动模型 | 第22页 |
| ·运动控制模型 | 第22-23页 |
| ·传感器观测模型 | 第23-24页 |
| ·环境噪声模型和传感器噪声模型 | 第24页 |
| ·环境特征模型 | 第24-25页 |
| ·本章小结 | 第25-26页 |
| 第三章 同时定位与地图创建算法 | 第26-39页 |
| ·SLAM 问题描述 | 第26-28页 |
| ·扩展卡尔曼滤波算法 | 第28-31页 |
| ·卡尔曼滤波算法 | 第28-29页 |
| ·扩展卡尔曼滤波 SLAM 算法 | 第29-30页 |
| ·EKF-SLAM 算法存在的问题 | 第30-31页 |
| ·粒子滤波算法 | 第31-35页 |
| ·标准的粒子滤波算法 | 第31-33页 |
| ·粒子滤波器的优缺点 | 第33页 |
| ·Fast-SLAM 算法 | 第33-35页 |
| ·无迹卡尔曼滤波SLAM 算法 | 第35-38页 |
| ·UT 变换 | 第35-36页 |
| ·UKF-SLAM 算法 | 第36-38页 |
| ·本章小结 | 第38-39页 |
| 第四章 强跟踪UKF 的自适应SLAM 算法 | 第39-43页 |
| ·强跟踪滤波器 | 第39-40页 |
| ·强跟踪滤波器的引入 | 第39页 |
| ·强跟踪滤波器原理 | 第39页 |
| ·带次优渐消因子的滤波器 | 第39-40页 |
| ·强跟踪自适应UKF-SLAM 算法 | 第40-42页 |
| ·本章小结 | 第42-43页 |
| 第五章 仿真实验与结果分析 | 第43-49页 |
| ·实验建模和实验设置 | 第43-45页 |
| ·实验建模 | 第43-44页 |
| ·实验环境 | 第44-45页 |
| ·实验分析 | 第45-47页 |
| ·本章小结 | 第47-49页 |
| 第六章 结论与展望 | 第49-51页 |
| ·本文工作总结 | 第49-51页 |
| 参考文献 | 第51-57页 |
| 致谢 | 第57-58页 |
| 在读期间发表的学术论文与取得的研究成果 | 第58页 |
