| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第8-14页 |
| 1.1 课题背景及研究意义 | 第8-9页 |
| 1.2 国内外研究现状概述 | 第9-12页 |
| 1.3 研究内容及论文安排 | 第12-14页 |
| 第2章 传统集中式FastSLAM算法 | 第14-26页 |
| 2.1 SLAM算法原理概述 | 第14-18页 |
| 2.1.1 SLAM的概率模型 | 第16页 |
| 2.1.2 基于扩展EKF的SLAM算法 | 第16-18页 |
| 2.2 FastSLAM算法原理概述 | 第18-24页 |
| 2.2.1 粒子滤波算法 | 第18-19页 |
| 2.2.2 Fast SLAM模型分析 | 第19-22页 |
| 2.2.3 Fast SLAM算法分析 | 第22-24页 |
| 2.3 本章小结 | 第24-26页 |
| 第3章 分布式FastSLAM建模与性能分析 | 第26-42页 |
| 3.1 分布式SLAM算法 | 第26-27页 |
| 3.2 分布式FastSLAM模型 | 第27-31页 |
| 3.2.1 分布式Fast SLAM的机器人位姿估计模块 | 第28-29页 |
| 3.2.2 分布式Fast SLAM的路标点估计模块 | 第29-31页 |
| 3.3 仿真结果 | 第31-33页 |
| 3.4 不确定性分析 | 第33-36页 |
| 3.5 一致性分析 | 第36-41页 |
| 3.5.1 分布式Fast SLAM一致性分析 | 第36-38页 |
| 3.5.2 采样粒子数对一致性的影响 | 第38-41页 |
| 3.6 本章小结 | 第41-42页 |
| 第4章 分布式无味FastSLAM算法研究 | 第42-60页 |
| 4.1 分布式FastSLAM算法 | 第42-45页 |
| 4.1.1 机器人位姿估计 | 第43-44页 |
| 4.1.2 路标点状态估计 | 第44-45页 |
| 4.2 改进的分布式无味FastSLAM算法 | 第45-51页 |
| 4.2.1 分布式UPF算法 | 第45-48页 |
| 4.2.2 子滤波器融合算法 | 第48-50页 |
| 4.2.3 改进的分布式无味FastSLAM算法 | 第50-51页 |
| 4.3 收敛性证明 | 第51-56页 |
| 4.4 仿真结果 | 第56-59页 |
| 4.5 本章小结 | 第59-60页 |
| 第5章 分布式边缘无味FastSLAM算法研究 | 第60-70页 |
| 5.1 边缘化粒子滤波 | 第60-62页 |
| 5.2 改进的DMUFastSLAM算法 | 第62-67页 |
| 5.2.1 权值优化 | 第63-65页 |
| 5.2.2 改进的DMUFastSLAM算法 | 第65-66页 |
| 5.2.3 收敛性证明 | 第66-67页 |
| 5.3 仿真结果 | 第67-69页 |
| 5.4 本章小结 | 第69-70页 |
| 结论 | 第70-72页 |
| 参考文献 | 第72-78页 |
| 攻读硕士学位期间所发表的学术论文 | 第78-80页 |
| 致谢 | 第80页 |