本书对SLAM的基本原理和主要算法进行了介绍，针对SLAM算法中存在的问题进行了讨论，在此基础上论述了EKF-SLAM算法中一致性与收敛性；针对PF-SLAM算法中粒子重采样中退化问题，建立了高斯辅助粒子滤波重采样算法，改善了粒子多样性匮乏问题，提高粒子滤波算法的收敛性；针对SLAM算法中地图路标信息更新的计算量剧增的问题，提出了一种基于局部采样的UFastSLAM方法，在证明路标地图局部采样和全局采样估计精度一致性的基础上，降低SLAM算法中路标地图更新的数量，提高程序运行效率，促进SLAM算法的实践使用。本书可供移动机器人控制领域的专业人员以及很优状态估计滤波方法研究领域的研究人员参考使用。

第1章绪论
1.1移动机器人导航
1.2机器人同时定位与建图方法(SLAM)
第2章SLAM基本原理
2.1SLAM概述
2.2SLAM模型组成
2.3SLAM算法存在问题
第3章MATLAB仿真基础
3.1基本数据类型
3.2基本数据运算
3.3程序设计
第4章基于卡尔曼滤波方法的SLAM方法
4.1卡尔曼滤波理论
4.2基于扩展卡尔曼滤波的SLAM方法
4.3基于无迹卡尔曼滤波的SLAM方法
第5章基于能观测性的EKF-SLAM收敛性与一致性研究
5.1EKF-SLAM系统的收敛性及一致性研究
……