| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第1章 绪论 | 第10-18页 |
| 1.1 课题研究背景与意义 | 第10-11页 |
| 1.2 视觉SLAM国内外研究现状 | 第11-16页 |
| 1.2.1 基于视觉的位姿估计的研究现状 | 第11-13页 |
| 1.2.2 视觉SLAM中优化研究现状 | 第13-14页 |
| 1.2.3 视觉SLAM整体方案研究现状 | 第14-15页 |
| 1.2.4 视觉与惯导融合的SLAM整体方案研究现状 | 第15-16页 |
| 1.3 本文主要工作 | 第16-18页 |
| 第2章 双目视觉模型 | 第18-29页 |
| 2.1 引言 | 第18页 |
| 2.2 摄像机标定 | 第18-21页 |
| 2.3 图像特征提取与匹配 | 第21-25页 |
| 2.3.1 图像特征提取 | 第22-24页 |
| 2.3.2 图像特征匹配 | 第24-25页 |
| 2.4 双目立体匹配测距 | 第25-28页 |
| 2.5 本章小结 | 第28-29页 |
| 第3章 基于双目视觉与IMU融合的算法 | 第29-43页 |
| 3.1 引言 | 第29页 |
| 3.2 双目视觉与惯导融合的SLAM系统框架 | 第29-30页 |
| 3.3 IMU预积分模型 | 第30-34页 |
| 3.3.1 IMU的预积分模型 | 第30-33页 |
| 3.3.2 IMU测量的数据噪声 | 第33页 |
| 3.3.3 IMU测量的偏差 | 第33-34页 |
| 3.4 IMU偏差估计算法 | 第34-38页 |
| 3.4.1 陀螺仪偏差估计 | 第34页 |
| 3.4.2 加速度偏差及重力加速度估计 | 第34-36页 |
| 3.4.3 速度估计 | 第36页 |
| 3.4.4 实验结果 | 第36-38页 |
| 3.5 基于双目视觉与IMU融合的位姿估计 | 第38-42页 |
| 3.5.1 基于双目视觉的位姿估计算法 | 第38-40页 |
| 3.5.2 基于视觉与IMU融合的位姿优化算法 | 第40-42页 |
| 3.6 本章小结 | 第42-43页 |
| 第4章 基于图优化的视觉SLAM算法 | 第43-51页 |
| 4.1 引言 | 第43页 |
| 4.2 SLAM中的图模型 | 第43-44页 |
| 4.3 回环检测 | 第44-47页 |
| 4.4 位姿图优化 | 第47-50页 |
| 4.4.1 基于滤波优化方法的SLAM后端优化 | 第48-49页 |
| 4.4.2 基于位姿图优化方法的SLAM后端优化 | 第49-50页 |
| 4.5 本章小结 | 第50-51页 |
| 第5章 实验设计与分析 | 第51-57页 |
| 5.1 引言 | 第51页 |
| 5.2 实验平台介绍 | 第51-52页 |
| 5.3 实验算法设计 | 第52-53页 |
| 5.4 实验结果与分析 | 第53-56页 |
| 5.5 本章小结 | 第56-57页 |
| 第6章 总结与展望 | 第57-59页 |
| 6.1 研究工作总结 | 第57-58页 |
| 6.2 展望 | 第58-59页 |
| 参考文献 | 第59-63页 |
| 致谢 | 第63-64页 |
| 攻读学位期间参加的科研项目和成果 | 第64页 |