移動機器人的實際作業(yè)環(huán)境存在各種不確定干擾因素，其測量系統(tǒng)的噪聲往往具有非高斯重尾分布或者參數(shù)先驗信息未知等特性。在這些復雜未知環(huán)境下，傳統(tǒng)的基于貝葉斯濾波估計技術(shù)的同時定位與地圖創(chuàng)建（Simultaneous Localization and Mapping，簡稱SLAM）算法性能受到了嚴重影響，其定位精度、地圖準確性和計算效率無法滿足實際應(yīng)用的需求。為了提高傳統(tǒng)算法在水下等復雜未知環(huán)境下的估計性能，本書分別對基于高斯濾波器、粒子濾波器和概率假設(shè)密度濾波器的SLAM技術(shù)進行了改進，同時就自主式水下潛器(AutonomousUnderwater Vehicle，簡稱AUV)自主導航應(yīng)用進行了重點研究。