基于RGBD的室内移动机器人定位算法研究
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 1 绪论 | 第8-12页 |
| 1.1 课题研究背景与意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-11页 |
| 1.3 本文主要研究内容及结构 | 第11-12页 |
| 2 基于RGBD的机器人导航系统设计 | 第12-23页 |
| 2.1 引言 | 第12页 |
| 2.2 机器人导航系统整体设计 | 第12-17页 |
| 2.2.1 系统分析 | 第12-15页 |
| 2.2.2 机器人硬件结构 | 第15-16页 |
| 2.2.3 系统软件框架 | 第16-17页 |
| 2.3 Kinect数据获取 | 第17-21页 |
| 2.3.1 Kinect成像原理 | 第17页 |
| 2.3.2 Kinect标定方法 | 第17-21页 |
| 2.3.3 Kinect配准 | 第21页 |
| 2.4 本章小结 | 第21-23页 |
| 3 基于图像特征的机器人运动估计 | 第23-39页 |
| 3.1 引言 | 第23页 |
| 3.2 图像特征提取 | 第23-28页 |
| 3.2.1 特征提取算法分析 | 第23-24页 |
| 3.2.2 ORB特征提取算法 | 第24-27页 |
| 3.2.3 改进的ORB算法 | 第27-28页 |
| 3.3 图像特征匹配 | 第28-32页 |
| 3.3.1 特征点匹配 | 第28-30页 |
| 3.3.2 错误匹配剔除 | 第30-31页 |
| 3.3.3 图像特征匹配算法设计 | 第31-32页 |
| 3.4 机器人运动估计 | 第32-36页 |
| 3.4.1 机器人位姿求解 | 第32-35页 |
| 3.4.2 机器人位姿优化 | 第35-36页 |
| 3.5 机器人运动估计的实现 | 第36-38页 |
| 3.5.1 运动估计算法设计 | 第36-37页 |
| 3.5.2 运动估计实验 | 第37-38页 |
| 3.6 本章小结 | 第38-39页 |
| 4 机器人位姿优化与建图 | 第39-55页 |
| 4.1 引言 | 第39页 |
| 4.2 关键帧选取策略 | 第39-40页 |
| 4.3 回环检测方法分析 | 第40-43页 |
| 4.3.1 回环检测方法 | 第41-42页 |
| 4.3.2 错误回环剔除模型 | 第42-43页 |
| 4.4 位姿优化方法 | 第43-48页 |
| 4.4.1 SLAM问题求解 | 第43-44页 |
| 4.4.2 图优化建模 | 第44-46页 |
| 4.4.3 图优化理论推导 | 第46-48页 |
| 4.5 机器人位姿图优化的实现 | 第48-50页 |
| 4.6 地图构建 | 第50-54页 |
| 4.6.1 地图创建 | 第51-52页 |
| 4.6.2 地图后续处理 | 第52-54页 |
| 4.7 本章小结 | 第54-55页 |
| 5 定位系统测试与结果分析 | 第55-65页 |
| 5.1 引言 | 第55页 |
| 5.2 系统实验平台组成 | 第55页 |
| 5.3 基于公开数据集的实验分析 | 第55-61页 |
| 5.3.1 TUM基准数据集 | 第55-56页 |
| 5.3.2 实验评估方法 | 第56页 |
| 5.3.3 实验分析 | 第56-61页 |
| 5.4 基于Kinect的真实室内环境实验分析 | 第61-64页 |
| 5.5 本章小结 | 第64-65页 |
| 6 总结与展望 | 第65-67页 |
| 6.1 总结 | 第65页 |
| 6.2 展望 | 第65-67页 |
| 参考文献 | 第67-72页 |
| 附录A 插图清单 | 第72-74页 |
| 附录B 表格清单 | 第74-75页 |
| 在学研究成果 | 第75-76页 |
| 致谢 | 第76页 |
