| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第14-22页 |
| 1.1 研究背景及意义 | 第14-15页 |
| 1.2 双目视觉机器人SLAM问题研究现状 | 第15-19页 |
| 1.2.1 计算机视觉研究现状 | 第15-17页 |
| 1.2.2 彩色图像分类技术研究现状 | 第17-18页 |
| 1.2.3 机器人SLAM问题研究现状 | 第18-19页 |
| 1.3 本文的主要工作与结构 | 第19-22页 |
| 第二章 基于双目视觉的三维重建方法研究 | 第22-36页 |
| 2.1 引言 | 第22-23页 |
| 2.2 双目摄像机标定方法研究 | 第23-30页 |
| 2.2.1 计算机视觉坐标系统 | 第23-25页 |
| 2.2.2 单目摄像头标定 | 第25-27页 |
| 2.2.3 双目摄像头校准 | 第27-30页 |
| 2.3 三维重建方法研究 | 第30-35页 |
| 2.3.1 基于特征点的离散三维重建方法研究 | 第30-32页 |
| 2.3.2 基于视差图像的全局场景重建 | 第32-35页 |
| 2.4 小结 | 第35-36页 |
| 第三章 基于LDAIC模型的彩色图像分类算法研究 | 第36-46页 |
| 3.1 引言 | 第36页 |
| 3.2 LDAIC模型构建 | 第36-39页 |
| 3.2.1 图像主题概率 | 第36-38页 |
| 3.2.2 图像关键词概率 | 第38页 |
| 3.2.3 影响因子λ选取 | 第38-39页 |
| 3.3 LDAIC模型下彩色图像分类方法 | 第39-40页 |
| 3.4 实验分析 | 第40-43页 |
| 3.5 小结 | 第43-46页 |
| 第四章 面向双目视觉的EKF三维跟踪方法研究 | 第46-60页 |
| 4.1 引言 | 第46页 |
| 4.2 卡尔曼滤波算法 | 第46-53页 |
| 4.2.1 离散型卡尔曼滤波算法 | 第46-48页 |
| 4.2.2 扩展卡尔曼滤波算法 | 第48-50页 |
| 4.2.3 基于EKF的平面物体跟踪方法研究 | 第50-53页 |
| 4.3 基于EKF的三维跟踪技术研究 | 第53-58页 |
| 4.3.1 双目视觉下三维物体跟踪模型建立 | 第53-55页 |
| 4.3.2 实验与仿真 | 第55-58页 |
| 4.4 小结 | 第58-60页 |
| 第五章 基于EKFSF算法的双目机器人室外SLAM问题研究 | 第60-70页 |
| 5.1 引言 | 第60页 |
| 5.2 基于EKFSF算法的机器人转向研究 | 第60-64页 |
| 5.2.1 移动机器人转向判断 | 第60-63页 |
| 5.2.2 移动机器人转量与地图重建 | 第63-64页 |
| 5.3 实验 | 第64-68页 |
| 5.4 小结 | 第68-70页 |
| 第六章 结论与展望 | 第70-72页 |
| 参考文献 | 第72-76页 |
| 致谢 | 第76-78页 |
| 研究成果及发表的学术论文 | 第78-80页 |
| 作者和导师简介 | 第80-81页 |
| 北京化工大学硕士研究生学位论文答辩委员会决议书 | 第81-82页 |