基于信息滤波器的同步定位与地图创建技术的研究
RESEARCH ON SIMULTANEOUS LOCALIZATION AND MAP BUILDING TECHNOLOGY BASED ON INFORMATION FILTER
摘 要
Abstract
第1章 绪论
1.1 课题的背景及研究目的与意义
1.2 课题研究的内容
1.3 论文的组织结构
第2章 自主移动机器人导航和同步定位与地图创建技术
2.1 自主移动机器人导航概述
2.2 自主移动机器人的定位问题
2.2.1 位置跟踪
2.2.2 全局定位
2.3 自主移动机器人的地图创建问题
2.3.1 栅格地图
2.3.2 几何地图
2.3.3 拓扑地图
2.4 同步定位与地图创建技术
2.4.1 同步定位与地图创建问题简述
2.4.2 同步定位与地图创建技术的主要内容
2.4.3 同步定位与地图创建技术的研究趋势
2.5 本章小结
第3章 基于扩展卡尔曼滤波的SLAM算法
3.1 SLAM问题的概率模型
3.2 卡尔曼滤波算法
3.2.1 线性卡尔曼滤波
3.2.2 扩展卡尔曼滤波
3.2.3 EKF求解SLAM问题
3.3 基于车辆-路标模型的EKF-SLAM算法
3.3.1 增广状态过程模型
3.3.2 观测模型
3.3.3 估计公式
3.3.4 数据关联
3.3.5 状态增广
3.3.6 小结
3.4 基于车辆-路标模型的EKF-SLAM算法的仿真分析
3.4.1 仿真参数设置
3.4.2 路标稀疏的地图下的仿真结果
3.4.3 路标稠密的地图下的仿真结果
3.5 基于EKF的SLAM算法的若干问题
3.5.1 算法估计的一致性问题
3.5.2 计算复杂度问题
3.5.3 数据关联问题
3.6 降低基于EKF的SLAM算法计算复杂度的改进算法
3.7 本章小结
第4章 基于稀疏扩展信息滤波的SLAM算法
4.1 SLAM问题概率模型的信息形式
4.2 扩展信息滤波算法
4.2.1 观测更新
4.2.2 移动更新
4.3 EIF的稀疏表达
4.3.1 稀疏化的一般思想
4.3.2 信息矩阵的稀疏化
4.3.3 状态向量近似递推恢复
4.3.4 数据关联概率近似恢复
4.4 基于车辆-路标模型的SEIF-SLAM算法
4.5 基于车辆-路标模型的SEIF-SLAM算法的仿真分析
4.5.1 路标稀疏的地图下的仿真结果
4.5.2 路标稠密的地图下的仿真结果
4.5.3 稀疏化程度对SEIF-SLAM算法执行的影响
4.6 SEIF-SLAM算法与EKF-SLAM算法的比较
4.7 本章小结
第5章 基于Car Park真实实验数据的SLAM算法实验研究
5.1 Car Park实验数据结构
5.2 基于Car Park实验数据的SLAM问题的模型
5.2.1 过程模型及其雅可比矩阵
5.2.2 观测模型及其雅可比矩阵
5.3 基于EKF的SLAM算法实验结果
5.3.1 算法中的参数设置
5.3.2 实验结果
5.4 基于SEIF的SLAM算法实验结果
5.5 本章小结
结 论
参考文献
攻读学位期间发表的学术论文
哈尔滨工业大学硕士学位论文原创性声明
哈尔滨工业大学硕士学位论文使用授权书
哈尔滨工业大学硕士学位涉密论文管理
致 谢
哈尔滨工业大学;