| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第1章 绪论 | 第10-30页 |
| ·研究的目的和意义 | 第10-12页 |
| ·SLAM 技术的内涵 | 第12-15页 |
| ·SLAM 技术国内外研究现状 | 第15-25页 |
| ·SLAM 技术的发展进程 | 第15页 |
| ·SLAM 技术的应用领域 | 第15-19页 |
| ·SLAM 关键技术的研究现状 | 第19-25页 |
| ·主要研究内容与研究方法 | 第25-28页 |
| ·研究内容 | 第26-27页 |
| ·研究方法 | 第27-28页 |
| ·论文组织结构 | 第28-30页 |
| 第2章 移动机器人系统模型构建 | 第30-36页 |
| ·引言 | 第30页 |
| ·坐标系定义 | 第30-31页 |
| ·运动模型 | 第31页 |
| ·传感器观测模型 | 第31-33页 |
| ·环境地图与环境特征模型 | 第33页 |
| ·数据关联模型 | 第33-34页 |
| ·本章小结 | 第34-36页 |
| 第3章 基于聚类理论特征提取及 EKF-SLAM 方法研究 | 第36-64页 |
| ·引言 | 第36页 |
| ·基于聚类理论的特征提取算法及其仿真实验验证 | 第36-54页 |
| ·圆型类特征表示与环境特征提取的原理设计 | 第36-38页 |
| ·基于角度-距离复合聚类的环境特征提取算法设计 | 第38-46页 |
| ·仿真实验 基于 Victoria Park 标准数据集特征提取仿真实验 | 第46-54页 |
| ·基于扩展 Kalman 滤波的 SLAM 算法设计 | 第54-63页 |
| ·EKF-SLAM 算法 | 第54-57页 |
| ·EKF-SLAM 算法流程 | 第57-60页 |
| ·仿真实验 EKF-SLAM 仿真实验验证 | 第60-63页 |
| ·本章小结 | 第63-64页 |
| 第4章 基于粒子群优化的粒子滤波 PF-SLAM 方法研究 | 第64-92页 |
| ·引言 | 第64-65页 |
| ·粒子滤波算法 | 第65-70页 |
| ·序贯重要性采样 | 第65-67页 |
| ·粒子退化及解决方法 | 第67-70页 |
| ·基于粒子滤波的 SLAM 算法设计 | 第70-77页 |
| ·基本 FastSLAM 及其原理 | 第70-72页 |
| ·基于自适应重采样的 FastSLAM 设计与实现 | 第72-74页 |
| ·仿真实验 | 第74-77页 |
| ·基于粒子群进化计算的 PF-SLAM | 第77-91页 |
| ·基于粒子滤波的 SLAM 不足分析 | 第78页 |
| ·标准粒子群算法 | 第78-80页 |
| ·基于多样性启发因子粒子群优化的 FastSLAM 算法改进 | 第80-83页 |
| ·实验与算法验证 | 第83-88页 |
| ·SLAM 算法仿真结果比较 | 第88-91页 |
| ·本章小结 | 第91-92页 |
| 第5章 移动机器人 SLAM 数据关联方法研究 | 第92-128页 |
| ·引言 | 第92页 |
| ·SLAM 数据关联问题及其概念与原理 | 第92-101页 |
| ·SLAM 数据关联问题描述 | 第92-95页 |
| ·SLAM 数据关联概念和原理 | 第95-101页 |
| ·单一兼容数据关联算法设计 | 第101-106页 |
| ·单一兼容最近邻（ICNN）数据关联 | 第101-103页 |
| ·基于分段自适应阈值的单一兼容最近邻数据关联 | 第103-106页 |
| ·联合兼容数据关联算法设计 | 第106-113页 |
| ·联合兼容分枝定界（JCBB）数据关联 | 第106-109页 |
| ·基于蚁群优化的联合数据关联 | 第109-113页 |
| ·实验与算法验证 | 第113-127页 |
| ·仿真条件 | 第113-114页 |
| ·四种数据关联仿真实验结果 | 第114-124页 |
| ·四种数据关联仿真结果对比分析 | 第124-126页 |
| ·四种数据关联算法性能对比分析 | 第126-127页 |
| ·本章小结 | 第127-128页 |
| 结论 | 第128-130页 |
| 参考文献 | 第130-138页 |
| 攻读博士学位期间发表的论文和取得的科研成果简表 | 第138-140页 |
| 致谢 | 第140-142页 |
| 个人简历 | 第142页 |
