| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第9-17页 |
| 1.1 课题的研究背景及意义 | 第9-11页 |
| 1.1.1 研究背景 | 第9-10页 |
| 1.1.2 研究意义 | 第10-11页 |
| 1.2 分布式SLAM算法研究现状 | 第11-13页 |
| 1.3 文章主要内容 | 第13-14页 |
| 1.4 论文结构 | 第14-17页 |
| 第2章 SLAM及粒子滤波综述 | 第17-29页 |
| 2.1 SLAM综述 | 第17-21页 |
| 2.1.1 SLAM问题描述 | 第17-20页 |
| 2.1.2 SLAM实现方法 | 第20-21页 |
| 2.2 粒子滤波综述 | 第21-25页 |
| 2.2.1 贝叶斯理论 | 第21-22页 |
| 2.2.2 蒙特卡洛积分 | 第22-23页 |
| 2.2.3 粒子滤波 | 第23-24页 |
| 2.2.4 粒子重采样技术 | 第24-25页 |
| 2.3 SLAM系统模型 | 第25-27页 |
| 2.3.1 集中式SLAM | 第25-26页 |
| 2.3.2 分布式SLAM | 第26-27页 |
| 2.4 本章小结 | 第27-29页 |
| 第3章 融合粒子群优化思想的分布式粒子滤波SLAM算法研究 | 第29-49页 |
| 3.1 基于粒子滤波的分布式SLAM概述 | 第29-32页 |
| 3.1.1 基于粒子滤波的分布式SLAM算法 | 第29-31页 |
| 3.1.2 算法不足及现有解决方法 | 第31-32页 |
| 3.2 融合粒子群算法的分布式粒子滤波SLAM | 第32-36页 |
| 3.2.1 粒子群优化算法概述 | 第32-33页 |
| 3.2.2 融合粒子群算法的分布式粒子滤波SLAM算法 | 第33-36页 |
| 3.3 融合量子行为的分布式粒子滤波SLAM | 第36-39页 |
| 3.3.1 量子行为粒子群优化算法介绍 | 第36-38页 |
| 3.3.2 融合量子行为的分布式粒子滤波SLAM算法 | 第38-39页 |
| 3.4 融合粒子群算法的分布式粒子滤波理论分析 | 第39-41页 |
| 3.5 仿真实验 | 第41-47页 |
| 3.5.1 实验一 | 第42-44页 |
| 3.5.2 实验二 | 第44-47页 |
| 3.6 本章小结 | 第47-49页 |
| 第4章 融合鱼群算法的粒子滤波分布式SLAM算法研究 | 第49-61页 |
| 4.1 人工鱼群算法概述 | 第49-53页 |
| 4.1.1 鱼群算法的结构模型 | 第49-50页 |
| 4.1.2 人工鱼的四中基本行为 | 第50-52页 |
| 4.1.3 人工鱼群算法的寻优原理 | 第52-53页 |
| 4.2 融合鱼群算法的粒子滤波分布式SLAM | 第53-56页 |
| 4.2.1 融合鱼群算法的粒子滤波分布式SLAM算法 | 第53-55页 |
| 4.2.2 融合鱼群算法的粒子滤波分布式SLAM改进算法 | 第55-56页 |
| 4.3 仿真实验 | 第56-58页 |
| 4.4 本章小结 | 第58-61页 |
| 第5章 基于优化重采样粒子滤波的分布式SLAM算法研究 | 第61-73页 |
| 5.1 重采样技术概述 | 第61-64页 |
| 5.2 基于优化重采样粒子滤波的分布SLAM算法 | 第64-68页 |
| 5.2.1 分布式SLAM算法重采样过程 | 第64页 |
| 5.2.2 优化重采样的粒子滤波分布式SLAM算法 | 第64-66页 |
| 5.2.3 优化重采样算法原理分析 | 第66-68页 |
| 5.3 仿真实验 | 第68-70页 |
| 5.4 本章小结 | 第70-73页 |
| 结论 | 第73-75页 |
| 参考文献 | 第75-79页 |
| 攻读硕士学位期间所发表的学术论文 | 第79-81页 |
| 致谢 | 第81页 |
