| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-19页 |
| 1.1 课题研究的背景和意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-17页 |
| 1.2.1 月球/火星漫游车研究现状 | 第10-12页 |
| 1.2.2 SLAM算法研究现状 | 第12-17页 |
| 1.2.3 主动SLAM研究现状 | 第17页 |
| 1.3 主要研究内容与研究方案 | 第17-19页 |
| 第2章 SLAM算法模型与火星车系统建模 | 第19-35页 |
| 2.1 引言 | 第19页 |
| 2.2 SLAM算法概率学模型 | 第19-22页 |
| 2.2.1 SLAM算法的后验概率模型 | 第19-21页 |
| 2.2.2 SLAM后验概率的递推求解 | 第21-22页 |
| 2.3 火星车系统建模 | 第22-30页 |
| 2.3.1 坐标系定义 | 第23-24页 |
| 2.3.2 火星车运动学模型 | 第24-25页 |
| 2.3.3 IMU测量模型 | 第25页 |
| 2.3.4 激光雷达测量模型 | 第25-28页 |
| 2.3.5 激光雷达逆测量模型 | 第28-30页 |
| 2.4 火星车三维运动仿真 | 第30-34页 |
| 2.5 本章小结 | 第34-35页 |
| 第3章 基于扩展卡尔曼滤波器的火星车SLAM算法 | 第35-48页 |
| 3.1 引言 | 第35页 |
| 3.2 基于扩展卡尔曼滤波器的火星车SLAM算法 | 第35-43页 |
| 3.2.1 系统状态空间模型 | 第35-37页 |
| 3.2.2 状态预测过程 | 第37-39页 |
| 3.2.3 状态更新过程 | 第39-41页 |
| 3.2.4 状态增广过程 | 第41-43页 |
| 3.2.5 数据关联 | 第43页 |
| 3.3 仿真分析 | 第43-47页 |
| 3.4 本章小结 | 第47-48页 |
| 第4章 基于Rao-Balckwellised粒子滤波器的火星车SLAM算法 | 第48-68页 |
| 4.1 引言 | 第48页 |
| 4.2 SLAM后验概率分解与Rao-Balckwellised粒子滤波器 | 第48-53页 |
| 4.2.1 SLAM后验概率分解 | 第49-51页 |
| 4.2.2 Rao-Balckwellised粒子滤波器 | 第51-53页 |
| 4.3 基于Rao-Balckwellised粒子滤波器的火星车SLAM算法 | 第53-64页 |
| 4.3.1 采样新位姿 | 第55-58页 |
| 4.3.2 更新地标估计 | 第58-59页 |
| 4.3.3 计算重要性权值 | 第59-61页 |
| 4.3.4 重要性重采样 | 第61-63页 |
| 4.3.5 添加新地标 | 第63页 |
| 4.3.6 数据关联 | 第63-64页 |
| 4.4 仿真分析 | 第64-67页 |
| 4.5 本章小结 | 第67-68页 |
| 第5章 基于模型预测控制的火星车主动SLAM算法 | 第68-80页 |
| 5.1 引言 | 第68页 |
| 5.2 主动SLAM与轨迹规划 | 第68-69页 |
| 5.3 模型预测控制理论介绍 | 第69-72页 |
| 5.4 基于模型预测控制的火星车主动SLAM算法 | 第72-77页 |
| 5.4.1 系统状态与协方差递推方程 | 第72-74页 |
| 5.4.2 基于模型预测控制的主动SLAM算法 | 第74-76页 |
| 5.4.3 优化问题的求解方法 | 第76-77页 |
| 5.5 仿真分析 | 第77-79页 |
| 5.6 本章小结 | 第79-80页 |
| 结论 | 第80-82页 |
| 参考文献 | 第82-87页 |
| 致谢 | 第87页 |
