| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-15页 |
| 1.1 课题研究背景及意义 | 第10-11页 |
| 1.2 闭环检测的研究现状 | 第11-12页 |
| 1.3 闭环检测的关键问题 | 第12-13页 |
| 1.4 课题来源及主要章节安排 | 第13-15页 |
| 第2章 闭环检测理论简述 | 第15-24页 |
| 2.1 视觉SLAM基础框架 | 第15-16页 |
| 2.2 VSLAM图像特征提取 | 第16-23页 |
| 2.2.1 SIFT算法 | 第16-19页 |
| 2.2.2 SURF算法 | 第19-21页 |
| 2.2.3 ORB算法 | 第21-23页 |
| 2.3 本章小结 | 第23-24页 |
| 第3章 基于全局和局部特征的图像匹配算法研究 | 第24-37页 |
| 3.1 引言 | 第24页 |
| 3.2 图像的预处理 | 第24页 |
| 3.3 改进ORB算法 | 第24-28页 |
| 3.3.1 FREAK特征描述子 | 第24-27页 |
| 3.3.2 FREAK特征匹配 | 第27页 |
| 3.3.3 改进RANSAC的ORB局部特征匹配算法 | 第27-28页 |
| 3.4 基于GIST的全局特征提取算法 | 第28-29页 |
| 3.5 基于全局和局部特征的图像匹配算法 | 第29-30页 |
| 3.6 实验仿真结果与分析 | 第30-36页 |
| 3.6.1 改进ORB算法性能分析 | 第30-35页 |
| 3.6.2 图像全局特征匹配实验结果与分析 | 第35-36页 |
| 3.7 本章小结 | 第36-37页 |
| 第4章 基于改进视觉词袋模型算法的研究 | 第37-48页 |
| 4.1 引言 | 第37页 |
| 4.2 BoVW模型概述 | 第37-39页 |
| 4.3 改进的BoVW算法 | 第39-43页 |
| 4.3.1 基于改进人工蜂群的K均值聚类算法 | 第39-41页 |
| 4.3.2 图像相似性计算 | 第41-42页 |
| 4.3.3 分层BoVW模型构建 | 第42-43页 |
| 4.4 实验结果与分析 | 第43-46页 |
| 4.4.1 聚类效果对比 | 第43-45页 |
| 4.4.2 图像分类效果 | 第45-46页 |
| 4.5 本章小结 | 第46-48页 |
| 第5章 基于跟踪模式的闭环检测算法 | 第48-58页 |
| 5.1 引言 | 第48页 |
| 5.2 闭环检测算法 | 第48-53页 |
| 5.2.1 TF-IDF的构造 | 第50-51页 |
| 5.2.2 基于跟踪模型的闭环检测 | 第51-53页 |
| 5.3 实验结果与分析 | 第53-57页 |
| 5.3.1 室内外图像闭环检测实验 | 第53-56页 |
| 5.3.2 室内外闭环检测召回率实验 | 第56-57页 |
| 5.4 本章小结 | 第57-58页 |
| 结论 | 第58-60页 |
| 参考文献 | 第60-65页 |
| 攻读博士学位期间承担的科研任务与主要成果 | 第65-66页 |
| 致谢 | 第66页 |