声明
致谢
摘要
插图索引
附表索引
主要缩写和术语对照表
第一章 绪论
1.1 选题的背景及意义
1.2 SLAM技术应用现状
1.2.1 国外应用现状
1.2.2 国内应用现状
1.3 SLAM算法研究现状
1.3.1 基于高斯滤波器的SLAM算法
1.3.2 基于粒子滤波器的SLAM算法
1.3.3 基于概率假设密度滤波器的SLAM算法
1.3.4 基于图优化的SLAM算法
1.4 主要研究内容和论文组织结构
1.4.1 主要研究内容
1.4.2 论文组织结构
第二章 SLAM概率模型及算法框架
2.2 SLAM概率模型
2.3 基于高斯滤波器的SLAM算法
2.3.1 算法原理
2.3.2 算法流程
2.4 基于粒子滤波器的SLAM算法
2.4.1 算法原理
2.4.2 算法流程
2.5 基于概率假设密度滤波器的SLAM算法
2.5.1 算法原理
2.5.2 算法实现
2.6 本章小结
第三章 基于统计线性回归鲁棒优化的高斯滤波SLAM算法
3.1 引言
3.2 研究背景概述
3.2.1 容积卡尔曼滤波器
3.2.2 广义最大似然估计算法
3.3 基于统计线性回归的高斯滤波SLAM算法
3.4 数值仿真与结果分析
3.4.1 仿真环境
3.4.2 估计性能度量指标
3.4.3 仿真结果
3.5 本章小结
第四章 基于自适应粒子重采样的UFastSLAM算法
4.1 引言
4.2 研究背景概述
4.2.1 转换无味变换
4.2.2 自适应粒子重采样
4.3 自适应粒子重采样UFastSLAM算法
4.4 实验与分析
4.4.1 仿真结果
4.4.2 实际数据集结果
4.5 本章小结
第五章 同时估计未知噪声方差的概率假设密度SLAM算法
5.1 引言
5.2 研究背景概述
5.2.1 未知测量噪声方差的系统模型
5.2.2 同时估计噪声参数的高斯混合概率假设密度滤波算法
5.3 基于变分贝叶斯近似的概率假设密度SLAM算法
5.4 数值仿真与结果分析
5.4.1 仿真环境
5.4.2 仿真结果
5.5 本章小结
第六章 总结与展望
6.1 工作总结
6.2 工作展望
参考文献
攻读博士学位期间的主要研究成果