| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 1 绪论 | 第11-19页 |
| 1.1 AUV 研究的现状与进展 | 第11-14页 |
| 1.1.1 国外研究概况 | 第12-13页 |
| 1.1.2 国内研究概况 | 第13-14页 |
| 1.2 SLAM 综述 | 第14-15页 |
| 1.3 SLAM 算法各类方法比较及现存问题 | 第15-17页 |
| 1.4 课题来源与论文组织结构 | 第17-19页 |
| 2 SLAM 算法介绍 | 第19-31页 |
| 2.1 环境地图表示方法 | 第19-20页 |
| 2.2 SLAM 算法系统模型 | 第20-22页 |
| 2.2.1 运动模型 | 第20页 |
| 2.2.2 特征模型 | 第20-21页 |
| 2.2.3 观测模型 | 第21页 |
| 2.2.4 系统状态向量及协方差矩阵 | 第21-22页 |
| 2.3 卡尔曼滤波器（KF）原理 | 第22-23页 |
| 2.4 基于 EKF 的 SLAM 算法 | 第23-30页 |
| 2.4.1 系统建模 | 第24-25页 |
| 2.4.2 EKF-SLAM 的执行过程 | 第25-26页 |
| 2.4.3 预测阶段 | 第26-28页 |
| 2.4.4 观测更新阶段 | 第28-29页 |
| 2.4.5 地图扩充阶段 | 第29-30页 |
| 2.5 本章小结 | 第30-31页 |
| 3 基于粒子滤波器的 FastSLAM 算法 | 第31-41页 |
| 3.1 概述 | 第31页 |
| 3.2 粒子滤波器的基本原理 | 第31-34页 |
| 3.3 FastSLAM 算法研究 | 第34-39页 |
| 3.3.1 FastSLAM 算法概述 | 第34-36页 |
| 3.3.2 FastSLAM 算法的实现过程 | 第36-39页 |
| 3.3.3 FastSLAM 算法中的数据关联方法 | 第39页 |
| 3.4 本章小结 | 第39-41页 |
| 4 基于粒子群优化（PSO）的无迹 FastSLAM 算法 | 第41-65页 |
| 4.1 概述 | 第41页 |
| 4.2 UKF 算法简介 | 第41-45页 |
| 4.2.1 Unscented 变换（UT） | 第42-44页 |
| 4.2.2 UKF 算法 | 第44-45页 |
| 4.3 粒子群优化算法（PSO）背景知识 | 第45-46页 |
| 4.4 PSO-UFastSLAM 算法的实现 | 第46-52页 |
| 4.4.1 采样机器人位姿 | 第46-49页 |
| 4.4.2 利用 UKF 进行特征状态估计 | 第49-50页 |
| 4.4.3 扩充 | 第50-51页 |
| 4.4.4 PSO 优化重采样 | 第51-52页 |
| 4.5 PSO-UFastSLAM 算法综述 | 第52-55页 |
| 4.5.1 算法伪代码描述 | 第53-55页 |
| 4.6 仿真实验结果分析 | 第55-64页 |
| 4.7 本章小结 | 第64-65页 |
| 5 SLAM 算法的实现及应用 | 第65-74页 |
| 5.1 C-ranger AUV | 第65-67页 |
| 5.2 C-ranger SLAM 算法 | 第67-70页 |
| 5.2.1 C-ranger SLAM 算法流程图 | 第69页 |
| 5.2.2 伪代码描述 | 第69-70页 |
| 5.3 海试实验结果及分析 | 第70-73页 |
| 5.3.1 环境地图 | 第71-72页 |
| 5.3.2 海试结果及分析 | 第72-73页 |
| 5.4 本章小结 | 第73-74页 |
| 6 总结与展望 | 第74-76页 |
| 6.1 总结 | 第74-75页 |
| 6.2 展望 | 第75-76页 |
| 参考文献 | 第76-80页 |
| 致谢 | 第80-81页 |
| 个人简历 | 第81-82页 |
| 攻读硕士期间发表的论文 | 第82-83页 |
