本书针对水下机器人定位领域存在的强烈不确定性和感知困难所带来的挑战，巧妙地采用时间约束和跨时间度量，提出了在非结构化水下环境中机器人的鲁棒性自主定位新方法。首先，对水下机器人的定位问题做了综述，明确了所面临的问题，介绍了目前常用的定位方法，给出了区间分析、约束、收缩子和集逆的概念。其次，引入包络边界函数的概念及其相关属性、代数收缩子和实施。然后提出一种新的包络边界函数收缩子来解决微分约束方程问题，使用移动机器人的动态定位和漂移时钟校正这两个示例证明新收缩子的有效性，并通过相关测试验证了机器人执行期内没有受到位置不确定性的影响。最后，提出一种新的基于约束的解决方案（即全新的具有鲁棒性的原始数据SLAM方法），并通过Daurade AUV实验证明了该方法在应用领域的巨大潜力。书中提出的鲁棒性定位新方法突破了传统导航定位的体系架构，同时给出了相关核心代码，具有很高的参考价值。 本书适合移动机器人学、非线性控制系统、水下机器人学、区间分析和约束规划领域的研究人员和学生阅读、参考。

绪论
0.1 水下所面临的挑战
0.1.1 浩瀚的未知区域
0.1.2 恶劣的水下环境
0.1.3 自主式水下航行器
0.2 定位问题
0.2.1 状态空间描述构建
0.2.2 航位推算法的缺点
0.2.3 水下声学定位系统
0.2.4 SLAM：一种独立的解决方案
0.3 本书的贡献
0.3.1 适用于恶劣环境的新定位方法
0.3.2 面向非线性和不确定性的集员估计方法
0.3.3 适用于动态系统的约束规划方法
0.3.4 本书的章节安排与内容分配
第一部分 区间分析方法
第1章 静态集员状态估计
1.1 概述
1.2 区间分析
1.2.1 研究背景
1.2.2 区间
1.2.3 区间扩展函数
1.2.4 负面效果和包围效应
1.3 约束传播
1.3.1 约束网络
1.3.2 收缩子
1.3.3 在基于测距的静态机器人定位中的应用
1.4 基于区间分析的集逆算法
1.4.1 子空间
1.4.2 基于SIVIA的集逆算法
1.4.3 收缩子的原理框图
1.4.4 区间函数的核心特征
1.5 讨论
1.5.1 传感器测量误差分布
1.5.2 数值精确程度
1.5.3 用于理论证明的工具
1.6 小结
第2章 状态轨线集的约束
2.1 动态状态估计概述
2.1.1 研究动机
2.1.2 解决思路
2.2 包络边界函数
2.2.1 定义
2.2.2 包络边界函数分析
2.2.3 收缩子
2.3 算法实现
2.3.1 数据结构
2.3.2 基于实际数据集的包络边界函数构建
2.3.3 Tubex专用包络边界函数库
2.4 应用：移动机器人的航位推算
2.4.1 测试示例
2.4.2 约束网络
2.4.3 解决方案
2.5 讨论
2.5.1 方法的局限性
2.5.2 从包络边界函数中提出最有可能的轨迹
2.5.3 在路径规划中的应用
2.6 小结
第二部分 与约束相关的贡献
第3章 微分约束下的轨迹
3.1 概述
3.1.1 微分问题描述
3.1.2 集员方法的引入
3.1.3 解决思路
3.2 C4的微分收缩子函数：X（·）=v（·）
3.2.1 定义和证明
3.2.2 微分和收缩子
3.2.3 算法实现
3.3 基于收缩子的状态估计方法
3.3.1 状态方程的约束网络
3.3.2 定点传播
3.3.3 理论算例x=-sin（x）
3.4 机器人应用
3.4.1 因果运动链
3.4.2 高阶微分约束
3.4.3 机器人绑架问题
3.4.4 Daurade AUV实验
3.5 小结
第4章 受评估约束的轨迹
4.1 概述
4.1.1 研究背景
4.1.2 处理时间不确定性的解决思路
4.2 轨迹评估的通用收缩子
4.2.1 约束Leval：z=y（t）的包络边界函数收缩子
4.2.2 算法实现
4.2.3 在状态估计中的应用
4.3 机器人应用
4.3.1 基于低成本信标的机器人相对测距定位
4.3.2 时钟漂移的校正
4.4 小结
第三部分 与机器人相关的贡献
第5章 环路轨迹：从检测到验证
5.1 概述
5.1.1 检测与验证的区别
5.1.2 本体感知与外部测量
5.1.3 二维情况
5.2 本体感知回环检测
5.2.1 正规化
5.2.2 误差有界条件下的回环检测
5.2.3 解集T的近似值
5.3 检测集中的回环检测
5.3.1 零点的存在性
5.3.2 基于拓扑度的零点存在性测试
5.3.3 环路存在性测试
5.3.4 可靠的环路数
5.4 应用
5.4.1 Redermor任务
5.4.2 Daurade任务
5.4.3 方法的最优性
5.5 小结
第6章 实时鲁棒SLAM处理方法
6.1 概述
6.1.1 研究动机
6.1.2 SLAM算法描述
6.1.3 跨区间度量
6.2 实时SLAM方法
6.2.1 一般假设
6.2.2 时间分辨率
6.2.3 Lp-z：时间区间隐含约束
6.2.4 Cp-z收缩子
6.2.5 实时SLAM算法
6.3 应用：基于SLAM的水下探测
6.3.1 概述
6.3.2 Daurade水下任务（2015年10月20日）
6.3.3 Daurade水下任务（2015年10月19日）
6.4 讨论
6.4.1 与现有技术的关系
6.4.2 贝叶斯分辨率
6.4.3 传感器偏置误差
6.4.4 传感器波动误差
6.5 小结
第7章 总结
7.1 结论
7.2 相关成果发表情况
7.2.1 论文
7.2.2 开放的源程序库
7.3 前景
参考文献