| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 符号对照表 | 第12-13页 |
| 缩略语对照表 | 第13-16页 |
| 第一章 绪论 | 第16-26页 |
| 1.1 研究背景及意义 | 第16-17页 |
| 1.2 单目视觉SLAM算法关键技术 | 第17-19页 |
| 1.2.1 视觉前端算法 | 第17-18页 |
| 1.2.2 后端优化算法 | 第18页 |
| 1.2.3 环路闭合算法 | 第18-19页 |
| 1.3 国内外研究现状 | 第19-23页 |
| 1.4 论文内容及章节安排 | 第23-26页 |
| 第二章 单目视觉SLAM算法模型选择与系统框架 | 第26-40页 |
| 2.1 单目视觉SLAM算法模型选择 | 第26-33页 |
| 2.1.1 实验数据集与实验测试平台 | 第26-31页 |
| 2.1.2 ORB-SLAM算法与LSD-SLAM算法性能测试 | 第31-33页 |
| 2.2 系统框架 | 第33页 |
| 2.3 视觉SLAM算法的数学模型 | 第33-38页 |
| 2.3.1 相机的成像模型 | 第33-34页 |
| 2.3.2 相机位姿计算的数学模型 | 第34-37页 |
| 2.3.3 线性三角化方法计算地图点 | 第37页 |
| 2.3.4 相机位姿与地图点优化的数学模型 | 第37-38页 |
| 2.4 本章小结 | 第38-40页 |
| 第三章 基于自适应均匀二值特征的视觉前端算法 | 第40-66页 |
| 3.1 引言 | 第40页 |
| 3.2 视觉前端算法概览 | 第40-41页 |
| 3.3 视频帧采集进程 | 第41-43页 |
| 3.3.1 图像预处理 | 第41-42页 |
| 3.3.2 帧序列池 | 第42-43页 |
| 3.4 自适应均匀二值特征检测算法与匹配算法 | 第43-50页 |
| 3.4.1 自适应均匀二值特征检测算法 | 第43-48页 |
| 3.4.2 自适应均匀二值特征匹配算法 | 第48-50页 |
| 3.5 相机位姿计算与场景地图点重建 | 第50-54页 |
| 3.6 实验分析 | 第54-65页 |
| 3.6.1 自适应均匀二值特征检测算法的性能分析 | 第54-58页 |
| 3.6.2 基于自适应均匀二值特征的视觉前端算法性能分析 | 第58-65页 |
| 3.7 本章小结 | 第65-66页 |
| 第四章 基于FAB-MAP的后端优化算法 | 第66-90页 |
| 4.1 引言 | 第66页 |
| 4.2 系统概览 | 第66-67页 |
| 4.3 共享数据池 | 第67-68页 |
| 4.4 相似性检测模块 | 第68-76页 |
| 4.4.1 词汇树的生成与图像的词袋描述 | 第69-70页 |
| 4.4.2 概率分布结构学习 | 第70-72页 |
| 4.4.3 基于FAB-MAP的相似性检测 | 第72-74页 |
| 4.4.4 关键帧拓扑图维护与环路检测 | 第74-76页 |
| 4.5 地图优化模块 | 第76-79页 |
| 4.6 实验分析 | 第79-88页 |
| 4.6.1 后端优化算法的精度与鲁棒性能 | 第79-85页 |
| 4.6.2 系统的实时性能 | 第85-88页 |
| 4.7 本章小结 | 第88-90页 |
| 第五章 总结与展望 | 第90-92页 |
| 5.1 论文工作总结 | 第90-91页 |
| 5.2 展望 | 第91-92页 |
| 参考文献 | 第92-96页 |
| 致谢 | 第96-98页 |
| 作者简介 | 第98-99页 |