| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 1 绪论 | 第8-19页 |
| ·研究背景 | 第8-9页 |
| ·数据关联技术国内外的发展现状 | 第9-15页 |
| ·SLAM问题简介 | 第9-10页 |
| ·在SLAM中数据关联 | 第10-12页 |
| ·数据关联技术国内外研究方法 | 第12-15页 |
| ·存在问题和解决方案 | 第15页 |
| ·提高SLAM鲁棒性的方法 | 第15-16页 |
| ·SLAM应用前景 | 第16-17页 |
| ·本文的研究内容和组织结构 | 第17-19页 |
| 2 数据关联模型和搜索策略 | 第19-32页 |
| ·移动机器人SLAM中的相关模型 | 第19-21页 |
| ·移动机器人坐标系模型 | 第19页 |
| ·移动机器人的运动模型 | 第19-20页 |
| ·特征模型 | 第20页 |
| ·环境地图模型 | 第20-21页 |
| ·传感器观测模型 | 第21页 |
| ·噪声模型 | 第21页 |
| ·SLAM系统模型 | 第21-22页 |
| ·SLAM的Bayesian模型 | 第22-23页 |
| ·数据关联树模型 | 第23-27页 |
| ·数据关联解空间 | 第23-24页 |
| ·数据关联树(Data Association Tree) | 第24-25页 |
| ·数据关联树的性质 | 第25-27页 |
| ·基于数据关联树搜索方法 | 第27-32页 |
| ·深度优先搜索方法 | 第27-29页 |
| ·宽度优先搜索 | 第29-30页 |
| ·启发式搜索方法 | 第30-32页 |
| 3 数据关联过程 | 第32-39页 |
| ·数据关联的过程 | 第32页 |
| ·门限过滤 | 第32-36页 |
| ·矩阵关联门 | 第33-35页 |
| ·椭球形关联门 | 第35-36页 |
| ·矩阵关联门和椭球形关联门比较 | 第36页 |
| ·关联矩阵 | 第36-38页 |
| ·赋值策略 | 第38-39页 |
| 4 状态估计方法 | 第39-46页 |
| ·Kalman滤波 | 第39-41页 |
| ·扩展Kalman滤波 | 第41页 |
| ·稀疏扩展信息滤波(Sparse extended information filter,SEIF) | 第41-42页 |
| ·粒子滤波器 | 第42-43页 |
| ·FastSLAM算法简介 | 第43页 |
| ·基于集合理论估计 | 第43-44页 |
| ·最小二乘法状态估计 | 第44-46页 |
| 5 基于动态阈值启发式搜索的SLAM算法 | 第46-55页 |
| ·动态阈值设置 | 第46-48页 |
| ·最好优先结合回溯的搜索方法 | 第48-49页 |
| ·算法实现 | 第49-51页 |
| ·仿真实验 | 第51-55页 |
| ·仿真环境 | 第51-52页 |
| ·仿真模型和参数 | 第52-53页 |
| ·实验结果及分析 | 第53-55页 |
| 结论 | 第55-57页 |
| 参考文献 | 第57-61页 |
| 攻读硕士学位期间发表学术论文情况 | 第61-62页 |
| 致谢 | 第62-64页 |