| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 课题背景及研究意义 | 第10-11页 |
| 1.2 移动机器人同时定位与地图创建 | 第11-14页 |
| 1.2.1 SLAM问题的一般描述 | 第11-12页 |
| 1.2.2 SLAM研究的主要内容 | 第12-13页 |
| 1.2.3 SLAM目前存在的问题 | 第13-14页 |
| 1.3 课题来源及章节安排 | 第14-16页 |
| 第2章 仿真模型与SLAM标准数据集介绍 | 第16-25页 |
| 2.1 移动机器人模型 | 第16-17页 |
| 2.2 机器人运动模型 | 第17-18页 |
| 2.3 传感器观测模型 | 第18-19页 |
| 2.4 地图模型 | 第19-20页 |
| 2.5 噪声模型 | 第20页 |
| 2.6 简化仿真模型 | 第20-21页 |
| 2.7 仿真平台 | 第21-22页 |
| 2.8 标准数据集 | 第22-23页 |
| 2.8.1 停车场数据集 | 第22-23页 |
| 2.8.2 维多利亚公园数据集 | 第23页 |
| 2.9 本章小结 | 第23-25页 |
| 第3章 基于容积扩展H~∞滤波的SLAM算法 | 第25-40页 |
| 3.1 SLAM中常用的卡尔曼滤波器 | 第25-30页 |
| 3.1.1 扩展卡尔曼滤波 | 第25-26页 |
| 3.1.2 无迹卡尔曼滤波 | 第26-28页 |
| 3.1.3 容积卡尔曼滤波 | 第28-30页 |
| 3.2 基于容积扩展H~∞滤波的SLAM算法 | 第30-34页 |
| 3.2.1 CEH~∞F设计 | 第30-32页 |
| 3.2.2 CEH~∞F-SLAM的设计与实现 | 第32-34页 |
| 3.3 仿真与分析 | 第34-39页 |
| 3.3.1 模拟器仿真 | 第34-38页 |
| 3.3.2 停车场数据集仿真 | 第38-39页 |
| 3.4 本章小结 | 第39-40页 |
| 第4章 基于容积扩展H~∞滤波的FASTSLAM算法 | 第40-52页 |
| 4.1 Rao-Blackwellized粒子滤波器 | 第40-41页 |
| 4.2 FastSLAM | 第41-43页 |
| 4.3 CH~∞Fast SLAM的设计与实现 | 第43-46页 |
| 4.3.1 机器人状态预测与更新 | 第43-45页 |
| 4.3.2 路标的更新和初始化 | 第45-46页 |
| 4.4 仿真与分析 | 第46-51页 |
| 4.4.1 模拟器仿真 | 第46-49页 |
| 4.4.2 维多利亚公园数据集仿真 | 第49-51页 |
| 4.5 本章小结 | 第51-52页 |
| 第5章 机器人球面单径容积FASTSLAM算法 | 第52-67页 |
| 5.1 三阶球面单径准则 | 第52-54页 |
| 5.2 球面单径容积卡尔曼滤波 | 第54-56页 |
| 5.3 球面单径容积Fast SLAM | 第56-59页 |
| 5.3.1 机器人状态预测与更新 | 第56-58页 |
| 5.3.2 路标的更新和初始化 | 第58-59页 |
| 5.4 模拟器仿真 | 第59-65页 |
| 5.4.1 仿真参数 | 第59-60页 |
| 5.4.2 误差分析 | 第60-63页 |
| 5.4.3 一致性分析 | 第63-65页 |
| 5.5 维多利亚公园数据集仿真 | 第65-66页 |
| 5.6 本章小结 | 第66-67页 |
| 结论 | 第67-69页 |
| 参考文献 | 第69-74页 |
| 攻读硕士学位期间承担的科研任务与主要成果 | 第74-75页 |
| 致谢 | 第75页 |