| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 1 绪论 | 第9-18页 |
| 1.1 课题研究背景及意义 | 第9页 |
| 1.2 移动机器人的研究现状 | 第9-11页 |
| 1.2.1 国外现状 | 第9-11页 |
| 1.2.2 国内现状 | 第11页 |
| 1.3 即时定位与地图构建技术 | 第11-16页 |
| 1.3.1 SLAM研究意义 | 第12页 |
| 1.3.2 SLAM研究现状 | 第12-13页 |
| 1.3.3 SLAM的实现 | 第13-15页 |
| 1.3.4 SLAM的关键问题 | 第15-16页 |
| 1.4 本文的研究内容 | 第16-18页 |
| 2 移动机器人建模及SLAM经典算法 | 第18-35页 |
| 2.1 SLAM问题描述 | 第18-19页 |
| 2.2 移动机器人系统建模 | 第19-21页 |
| 2.2.1 运动模型 | 第19-20页 |
| 2.2.2 观测模型 | 第20-21页 |
| 2.2.3 噪声模型 | 第21页 |
| 2.2.4 环境特征模型 | 第21页 |
| 2.3 地图表示方法 | 第21-23页 |
| 2.4 实验平台及数据集 | 第23-24页 |
| 2.4.1 Tim Bailey实验平台 | 第23-24页 |
| 2.4.2 维多利亚公园数据集 | 第24页 |
| 2.5 EKF-SLAM算法 | 第24-27页 |
| 2.5.1 扩展卡尔曼滤波器 | 第24-26页 |
| 2.5.2 EKF-SLAM算法实现 | 第26-27页 |
| 2.6 Fast SLAM算法 | 第27-31页 |
| 2.6.1 粒子滤波器 | 第27-29页 |
| 2.6.2 Fast SLAM算法实现 | 第29-31页 |
| 2.7 仿真实验及结果分析 | 第31-34页 |
| 2.8 本章小结 | 第34-35页 |
| 3 基于强跟踪无迹卡尔曼滤波的Fast SLAM算法研究 | 第35-45页 |
| 3.1 强跟踪无迹粒子滤波 | 第35-39页 |
| 3.1.1 强跟踪滤波器 | 第35-36页 |
| 3.1.2 STUKF算法 | 第36-39页 |
| 3.1.3 STUPF算法 | 第39页 |
| 3.2 STUFast SLAM算法实现 | 第39-40页 |
| 3.3 仿真分析 | 第40-44页 |
| 3.4 本章小结 | 第44-45页 |
| 4 基于改进重采样的Fast SLAM算法研究 | 第45-61页 |
| 4.1 基于差分进化的Fast SLAM算法研究 | 第45-52页 |
| 4.1.1 基于差分进化的粒子优化 | 第45-47页 |
| 4.1.2 DE-Fast SLAM算法实现 | 第47-48页 |
| 4.1.3 仿真实验与分析 | 第48-51页 |
| 4.1.4 维多利亚公园数据集实验 | 第51-52页 |
| 4.2 基于优化组合重采样的Fast SLAM算法研究 | 第52-60页 |
| 4.2.1 基于优化组合的重采样算法 | 第52-55页 |
| 4.2.2 基于优化组合重采样的Fast SLAM算法实现 | 第55页 |
| 4.2.3 仿真实验与分析 | 第55-58页 |
| 4.2.4 维多利亚公园数据集实验 | 第58-60页 |
| 4.3 本章小结 | 第60-61页 |
| 5 基于QBot2平台的Fast SLAM实验 | 第61-69页 |
| 5.1 QBot2实验平台 | 第61-64页 |
| 5.1.1 Kobuki移动机器人平台 | 第62-63页 |
| 5.1.2 Kinect体感传感器 | 第63-64页 |
| 5.2 QBot2的软件组成 | 第64-65页 |
| 5.3 实验结果及分析 | 第65-68页 |
| 5.4 本章小结 | 第68-69页 |
| 结论 | 第69-71页 |
| 致谢 | 第71-72页 |
| 参考文献 | 第72-77页 |
| 攻读硕士研究生期间发表论文及科研情况 | 第77页 |
