| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第8-13页 |
| 1.1 课题背景及研究的目的和意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-12页 |
| 1.2.1 视觉SLAM的发展与现状 | 第9-10页 |
| 1.2.2 视觉SLAM算法的嵌入式实现 | 第10-12页 |
| 1.3 本文主要研究内容 | 第12-13页 |
| 第2章 基于视觉的同步定位与建图 | 第13-30页 |
| 2.1 引言 | 第13页 |
| 2.2 基于视觉的同步定位与建图算法原理 | 第13-15页 |
| 2.3 视觉里程计方案 | 第15-24页 |
| 2.3.1 特征法视觉里程计 | 第15-17页 |
| 2.3.2 直接法视觉里程计 | 第17-18页 |
| 2.3.3 视觉里程计方案选择 | 第18-20页 |
| 2.3.4 图像特征的选取 | 第20-23页 |
| 2.3.5 特征点提取与匹配实验 | 第23页 |
| 2.3.6 基于ORB特征的视觉里程计算法 | 第23-24页 |
| 2.4 回环检测 | 第24-25页 |
| 2.5 视觉SLAM后端方案 | 第25-29页 |
| 2.5.1 滤波方法 | 第25-26页 |
| 2.5.2 图优化方法 | 第26-27页 |
| 2.5.3 视觉SLAM后端方案选择 | 第27-29页 |
| 2.6 本章小结 | 第29-30页 |
| 第3章 视觉SLAM算法设计与嵌入式实现 | 第30-45页 |
| 3.1 引言 | 第30页 |
| 3.2 视觉SLAM算法设计 | 第30-36页 |
| 3.2.1 ORB SLAM算法总览 | 第30-31页 |
| 3.2.2 ORB SLAM算法实现 | 第31-36页 |
| 3.3 视觉SLAM算法的嵌入式实现 | 第36-39页 |
| 3.3.1 嵌入式系统方案讨论 | 第36-38页 |
| 3.3.2 嵌入式板卡选择 | 第38-39页 |
| 3.3.3 ORB SLAM算法优化 | 第39页 |
| 3.4 利用CUDA对ORB特征提取与匹配进行加速 | 第39-44页 |
| 3.4.1 ORB特征并行计算的可行性 | 第40-41页 |
| 3.4.2 基于CUDA的ORB特征提取加速 | 第41-43页 |
| 3.4.3 基于CUDA的ORB特征匹配加速 | 第43页 |
| 3.4.4 CUDA加速的ORB SLAM算法跟踪速度测试 | 第43-44页 |
| 3.5 本章小结 | 第44-45页 |
| 第4章 嵌入式视觉定位算法效果评估 | 第45-56页 |
| 4.1 引言 | 第45页 |
| 4.2 视觉SLAM数据集测试实验 | 第45-49页 |
| 4.2.1 视觉SLAM测试数据集 | 第45-46页 |
| 4.2.2 数据集测试评价标准 | 第46页 |
| 4.2.3 数据集测试实验分析 | 第46-49页 |
| 4.3 移动机器人场地测试实验 | 第49-54页 |
| 4.3.1 场地测试实验系统搭建 | 第49-51页 |
| 4.3.2 场地测试实验平台与实验环境 | 第51-52页 |
| 4.3.3 场地测试实验分析 | 第52-54页 |
| 4.4 本章小结 | 第54-56页 |
| 结论 | 第56-57页 |
| 参考文献 | 第57-60页 |
| 攻读硕士学位期间发表的学术论文 | 第60-62页 |
| 致谢 | 第62页 |