| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第1章 绪论 | 第12-24页 |
| 1.1 研究背景及意义 | 第12-14页 |
| 1.2 SLAM分类 | 第14-17页 |
| 1.2.1 基于激光雷达的SLAM | 第14-15页 |
| 1.2.2 单目视觉SLAM | 第15-16页 |
| 1.2.3 双目立体视觉SLAM | 第16页 |
| 1.2.4 全景视觉SLAM | 第16-17页 |
| 1.2.5 RGB-D SLAM的提出 | 第17页 |
| 1.3 RGB-D SLAM的国内外研究现状及分析 | 第17-20页 |
| 1.3.1 国外研究现状 | 第17-19页 |
| 1.3.2 国内研究现状 | 第19页 |
| 1.3.3 现状分析 | 第19-20页 |
| 1.4 本文主要工作和结构安排 | 第20-24页 |
| 1.4.1 本文主要工作 | 第20-21页 |
| 1.4.2 本文创新点 | 第21-22页 |
| 1.4.3 本文结构安排 | 第22-24页 |
| 第2章 RGB-D传感器及仿真实验平台 | 第24-34页 |
| 2.1 RGB-D传感器 | 第24-28页 |
| 2.1.1 RGB-D传感器简介 | 第24-25页 |
| 2.1.2 Kinect深度测量原理 | 第25-26页 |
| 2.1.3 Kinect的RGB图像成像原理 | 第26-28页 |
| 2.2 相机标定方法 | 第28-31页 |
| 2.3 仿真实验平台 | 第31-32页 |
| 2.4 本章小结 | 第32-34页 |
| 第3章 基于RGB-D图像的具有滤波处理和位姿优化的同时定位与建图 | 第34-56页 |
| 3.1 概述 | 第34-35页 |
| 3.2 RGB-D SLAM系统框架 | 第35-49页 |
| 3.2.1 数据预处理 | 第35页 |
| 3.2.2 特征提取 | 第35-40页 |
| 3.2.3 滤波方法 | 第40-42页 |
| 3.2.4 特征匹配 | 第42页 |
| 3.2.5 初始运动估计 | 第42-45页 |
| 3.2.6 位姿优化 | 第45页 |
| 3.2.7 关键帧筛选 | 第45-46页 |
| 3.2.8 图优化 | 第46-49页 |
| 3.3 仿真实验结果及算法评估 | 第49-55页 |
| 3.3.1 特征提取和匹配结果 | 第49-50页 |
| 3.3.2 滤波实验结果 | 第50-52页 |
| 3.3.3 算法评估 | 第52-55页 |
| 3.4 本章小结 | 第55-56页 |
| 第4章 基于深度信息特征匹配算法的RGB-D SLAM | 第56-68页 |
| 4.1 概述 | 第56-57页 |
| 4.2 基于深度信息的特征匹配算法 | 第57-60页 |
| 4.2.1 算法原理 | 第57-58页 |
| 4.2.2 NDT算法 | 第58-60页 |
| 4.3 仿真实验结果及算法评估 | 第60-67页 |
| 4.3.1 特征匹配实验结果 | 第60-62页 |
| 4.3.2 点云拼接实验结果 | 第62-64页 |
| 4.3.3 算法评估 | 第64-67页 |
| 4.4 本章小结 | 第67-68页 |
| 第5章 基于特征提取和分段滤波的快速RGB-D SLAM | 第68-80页 |
| 5.1 概述 | 第68页 |
| 5.2 特征提取和匹配算法 | 第68-72页 |
| 5.2.1 AKAZE算法 | 第68-71页 |
| 5.2.2 Brute Force算法 | 第71-72页 |
| 5.3 仿真实验结果及算法评估 | 第72-78页 |
| 5.3.1 特征提取与匹配 | 第72-75页 |
| 5.3.2 算法评估 | 第75-78页 |
| 5.4 本章小结 | 第78-80页 |
| 第6章 总结及展望 | 第80-82页 |
| 6.1 论文的主要工作及研究成果 | 第80-81页 |
| 6.2 研究展望 | 第81-82页 |
| 参考文献 | 第82-90页 |
| 致谢 | 第90-92页 |
| 在读期间发表的学术论文与取得的其他研究成果 | 第92页 |
