| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第一章 绪论 | 第16-26页 |
| 1.1 引言 | 第16-17页 |
| 1.2 背景介绍 | 第17-23页 |
| 1.2.1 视觉导航 | 第17-20页 |
| 1.2.2 语义地图 | 第20-21页 |
| 1.2.3 数据库 | 第21-23页 |
| 1.3 文章内容与组织结构 | 第23-26页 |
| 第二章 RGB-D大尺度场景重建 | 第26-50页 |
| 2.1 相关工作 | 第26-27页 |
| 2.2 帧间对齐技术 | 第27-37页 |
| 2.2.1 求变换矩阵的相关技术 | 第27-33页 |
| 2.2.2 算法流程 | 第33-37页 |
| 2.3 环检测与全局优化 | 第37-40页 |
| 2.3.1 环检测 | 第37页 |
| 2.3.2 全局优化 | 第37-40页 |
| 2.4 全局场景表示 | 第40-42页 |
| 2.4.1 点云表示 | 第40页 |
| 2.4.2 Mesh表示 | 第40-42页 |
| 2.5 实验平台与效果 | 第42-48页 |
| 2.5.1 可佳机器入平台 | 第42-43页 |
| 2.5.2 实验效果 | 第43-48页 |
| 2.6 小结 | 第48-50页 |
| 第三章 对于物体类别与结构类别的RGB-D语义分割 | 第50-64页 |
| 3.1 概述 | 第50页 |
| 3.2 相关工作 | 第50-51页 |
| 3.3 CRF模型 | 第51-54页 |
| 3.3.1 CRF模型表示 | 第51-52页 |
| 3.3.2 Graph Cut推理 | 第52-54页 |
| 3.4 场景、物体、结构类别联合推理 | 第54-59页 |
| 3.4.1 超像素的单点势能 | 第55-58页 |
| 3.4.2 场景信息的单点势能 | 第58页 |
| 3.4.3 物体与物体的关系 | 第58页 |
| 3.4.4 物体与场景的关系 | 第58页 |
| 3.4.5 结构与物体关系 | 第58-59页 |
| 3.4.6 空间位置关系 | 第59页 |
| 3.4.7 模型学习与推理 | 第59页 |
| 3.5 实验结果 | 第59-62页 |
| 3.5.1 数据库 | 第59页 |
| 3.5.2 分类准确度 | 第59-62页 |
| 3.6 小结 | 第62-64页 |
| 第四章 时序一致性语义地图 | 第64-80页 |
| 4.1 相关工作 | 第64-65页 |
| 4.2 系统架构 | 第65-66页 |
| 4.3 计算时序信息 | 第66-67页 |
| 4.4 Dense CRF介绍 | 第67-69页 |
| 4.5 高阶Dense CRF模型 | 第69-72页 |
| 4.5.1 单点势能 | 第69-70页 |
| 4.5.2 成对点势能 | 第70页 |
| 4.5.3 高阶势能 | 第70页 |
| 4.5.4 模型的推理 | 第70-72页 |
| 4.6 实验结果 | 第72-75页 |
| 4.6.1 数据库 | 第72页 |
| 4.6.2 时序分割算法比较 | 第72-73页 |
| 4.6.3 时序一致语义地图 | 第73-75页 |
| 4.7 小结 | 第75-80页 |
| 第五章 语义地图自标注系统 | 第80-88页 |
| 5.1 动机 | 第80-81页 |
| 5.2 相关工作 | 第81-82页 |
| 5.3 标注帧提取 | 第82-83页 |
| 5.4 标注传播算法 | 第83-84页 |
| 5.5 实验结果 | 第84-85页 |
| 5.5.1 标注帧提取 | 第84页 |
| 5.5.2 标注传播 | 第84-85页 |
| 5.6 小结 | 第85-88页 |
| 第六章 总结与展望 | 第88-96页 |
| 6.1 工作总结 | 第88-89页 |
| 6.2 未来工作的展望 | 第89-96页 |
| 6.2.1 场景重建 | 第89-92页 |
| 6.2.2 物体识别与CAD模型 | 第92-94页 |
| 6.2.3 可供性区域检测 | 第94页 |
| 6.2.4 环境的逻辑表示 | 第94-96页 |
| 参考文献 | 第96-102页 |
| 致谢 | 第102-104页 |
| 在读期间发表的学术论文与取得的研究成果 | 第104-106页 |
| 在读期间参与的学术活动 | 第106页 |