移動(dòng)機(jī)器人的實(shí)際作業(yè)環(huán)境存在各種不確定干擾因素，其測(cè)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(yàn)信息未知等特性。在這些復(fù)雜未知環(huán)境下，傳統(tǒng)的基于貝葉斯濾波估計(jì)技術(shù)的同時(shí)定位與地圖創(chuàng)建（Simultaneous Localization and Mapping，簡(jiǎn)稱SLAM）算法性能受到了嚴(yán)重影響，其定位精度、地圖準(zhǔn)確性和計(jì)算效率無法滿足實(shí)際應(yīng)用的需求。為了提高傳統(tǒng)算法在水下等復(fù)雜未知環(huán)境下的估計(jì)性能，本書分別對(duì)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(jìn)行了改進(jìn)，同時(shí)就自主式水下潛器(AutonomousUnderwater Vehicle，簡(jiǎn)稱AUV)自主導(dǎo)航應(yīng)用進(jìn)行了重點(diǎn)研究。