| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 研究背景和意义 | 第9页 |
| 1.2 SLAM研究现状与进展 | 第9-13页 |
| 1.3 本课题的研究任务与拟解决的关键问题 | 第13页 |
| 1.4 论文的内容安排 | 第13-15页 |
| 第二章 传感器模型与信息处理 | 第15-41页 |
| 2.1 传感器及建模 | 第15-22页 |
| 2.1.1 里程计 | 第15-17页 |
| 2.1.2 激光雷达 | 第17-20页 |
| 2.1.3 双轮自平衡机器人运动学模型 | 第20-22页 |
| 2.2 环境信息的表示 | 第22-23页 |
| 2.2.1 栅格地图 | 第22页 |
| 2.2.2 几何特征地图 | 第22-23页 |
| 2.2.3 拓扑地图 | 第23页 |
| 2.3 环境信息的提取和处理 | 第23-35页 |
| 2.3.1 激光雷达数据的坐标转换 | 第23-24页 |
| 2.3.2 ICP数据匹配 | 第24-25页 |
| 2.3.3 几何特征辅助地图的匹配与定位 | 第25-35页 |
| 2.4 实验 | 第35-40页 |
| 2.5 本章小结 | 第40-41页 |
| 第三章 SLAM的理论基础研究 | 第41-64页 |
| 3.1 SLAM问题与概率模型 | 第41-42页 |
| 3.2 贝叶斯估计 | 第42-44页 |
| 3.3 重要性采样 | 第44-47页 |
| 3.4 粒子滤波器 | 第47-56页 |
| 3.4.1 序贯重要性采样（SIS）粒子滤波器 | 第47-50页 |
| 3.4.2 带重采样的序贯重要性采样（SIR）粒子滤波器 | 第50-52页 |
| 3.4.3 正则化粒子滤波器（RPF） | 第52-56页 |
| 3.5 实验 | 第56-63页 |
| 3.5.1 SIS粒子滤波器和SIR粒子滤波器的对比 | 第56-60页 |
| 3.5.2 SIR粒子滤波器和正则粒子滤波器（RPF）的对比 | 第60-62页 |
| 3.5.3 粒子数对于滤波器性能的影响 | 第62-63页 |
| 3.6 本章小结 | 第63-64页 |
| 第四章 基于粒子滤波的SLAM研究 | 第64-80页 |
| 4.1 传统RBPF-SLAM | 第64-69页 |
| 4.1.1 重要性分布函数的解析形式 | 第65-66页 |
| 4.1.2 似然函数的解析形式 | 第66-67页 |
| 4.1.3 栅格全局地图的构建 | 第67-69页 |
| 4.2 改进的RBPF-SLAM | 第69-71页 |
| 4.3 实验 | 第71-79页 |
| 4.3.1 RBPF-SLAM和改进的RBPF-SLAM的对比 | 第72-76页 |
| 4.3.2 粒子初始化对SLAM的影响 | 第76-79页 |
| 4.4 本章小结 | 第79-80页 |
| 第五章 双轮自平衡机器人的室内SLAM实验 | 第80-95页 |
| 5.1 双轮自平衡机器人介绍 | 第80-87页 |
| 5.1.1 自平衡机器人的机体结构 | 第80-81页 |
| 5.1.2 自平衡机器人的控制系统分层 | 第81-82页 |
| 5.1.3 自平衡机器人的软件系统 | 第82-87页 |
| 5.2 双轮自平衡机器人的SLAM实验 | 第87-94页 |
| 5.2.1 使用正态分布产生粒子进行SLAM | 第89-91页 |
| 5.2.2 使用均匀分布产生粒子进行SLAM | 第91-93页 |
| 5.2.3 增量式栅格地图和动态栅格地图的对比 | 第93-94页 |
| 5.3 本章小结 | 第94-95页 |
| 总结与展望 | 第95-97页 |
| 本文的主要工作 | 第95-96页 |
| 进一步的工作展望 | 第96-97页 |
| 参考文献 | 第97-102页 |
| 攻读博士/硕士学位期间取得的研究成果 | 第102-103页 |
| 致谢 | 第103-104页 |
| 答辩委员会对论文的评定意见 | 第104页 |
