| 学位论文创新点 | 第5-6页 |
| 摘要 | 第6-8页 |
| Abstract | 第8-10页 |
| 第1章 绪论 | 第16-28页 |
| 1.1 研究背景 | 第16-21页 |
| 1.2 研究目标和意义 | 第21-24页 |
| 1.3 研究内容 | 第24-28页 |
| 1.3.1 主要研究内容 | 第24-26页 |
| 1.3.2 论文组织结构 | 第26-28页 |
| 第2章 研究现状及发展趋势综述 | 第28-52页 |
| 2.1 RGB-D即时定位与地图构建方法 | 第28-45页 |
| 2.1.1 数据帧序列优化 | 第28-33页 |
| 2.1.2 特征点检测和匹配 | 第33-36页 |
| 2.1.3 相机姿态追踪 | 第36-41页 |
| 2.1.4 全局优化 | 第41-45页 |
| 2.2 基于点云的三维重建方法 | 第45-48页 |
| 2.2.1 点云结构化 | 第45-47页 |
| 2.2.2 点云语义化 | 第47-48页 |
| 2.3 现状总结和发展趋势 | 第48-50页 |
| 2.3.1 研究现状总结 | 第48-49页 |
| 2.3.2 发展趋势 | 第49-50页 |
| 2.4 本章小结 | 第50-52页 |
| 第3章 RGB-D多传感器高精度校正 | 第52-60页 |
| 3.1 RGB-D基本工作原理 | 第52-53页 |
| 3.2 RGB-D多传感器参数校正 | 第53-55页 |
| 3.3 RGB-D深度数据误差校正模型 | 第55-58页 |
| 3.4 本章小结 | 第58-60页 |
| 第4章 视觉与几何特征联合的RGB-D室内三维测图方法 | 第60-96页 |
| 4.1 概述 | 第60-61页 |
| 4.2 由粗到精的RGB-D 3D SLAM方法 | 第61-78页 |
| 4.2.1 多要素约束的数据帧优化方法 | 第63-65页 |
| 4.2.2 视觉与几何特征融合的相机姿态追踪算法 | 第65-73页 |
| 4.2.3 全局优化算法 | 第73-78页 |
| 4.3 二三维特征点联合的光束法平差优化方法 | 第78-81页 |
| 4.3.1 相机模型变换 | 第79-80页 |
| 4.3.2 二三维特征点联合的光束法平差模型 | 第80-81页 |
| 4.4 实验分析与评价 | 第81-93页 |
| 4.4.1 数据来源 | 第81-83页 |
| 4.4.2 RGB-D 3D SLAM精度评估 | 第83-89页 |
| 4.4.3 RGB-D点云绝对测图精度评估 | 第89-91页 |
| 4.4.4 近远场景融合结果评估 | 第91-93页 |
| 4.5 本章小结 | 第93-96页 |
| 第5章 知识约束的RGB-D点云三维重建方法 | 第96-108页 |
| 5.1 概述 | 第96-98页 |
| 5.2 RGB-D点云数据预处理 | 第98-99页 |
| 5.3 知识约束的室内组件重建方法 | 第99-102页 |
| 5.3.1 平面分类 | 第99-100页 |
| 5.3.2 室内边界提取及重建 | 第100-102页 |
| 5.4 基于交互式信息的室内组件重建方法 | 第102-104页 |
| 5.4.1 基于色彩的点云分割 | 第102-103页 |
| 5.4.2 门窗轮廓提取及重建 | 第103-104页 |
| 5.5 实验分析与评价 | 第104-107页 |
| 5.6 本章小结 | 第107-108页 |
| 第6章 总结与展望 | 第108-110页 |
| 6.1 总结 | 第108-109页 |
| 6.2 展望 | 第109-110页 |
| 参考文献 | 第110-120页 |
| 攻读博士期间科研成果及工作 | 第120-122页 |
| 致谢 | 第122-123页 |