基于ROS的移动机器人改进视觉SLAM算法研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第一章 绪论 | 第9-23页 |
| 1.1 课题研究背景 | 第9-10页 |
| 1.2 国内外的研究现状 | 第10-17页 |
| 1.2.1 国内外移动机器人研究现状 | 第10-15页 |
| 1.2.2 国内外SLAM研究现状 | 第15-17页 |
| 1.3 课题关键技术 | 第17-18页 |
| 1.4 ROS系统基本知识 | 第18-20页 |
| 1.4.1 ROS的主要特点 | 第18-20页 |
| 1.5 论文研究的内容及结构安排 | 第20-23页 |
| 第二章 视觉SLAM算法基础知识 | 第23-35页 |
| 2.1 视觉SLAM算法的数学模型 | 第23-24页 |
| 2.2 3D空间位置表示 | 第24-26页 |
| 2.2.1 旋转矩阵 | 第24页 |
| 2.2.2 四元数 | 第24-26页 |
| 2.3 视觉SLAM系统框架 | 第26-28页 |
| 2.3.1 视觉里程计 | 第26-27页 |
| 2.3.2 后端优化 | 第27页 |
| 2.3.3 闭环检测 | 第27-28页 |
| 2.4 视觉SLAM系统的传感器 | 第28-31页 |
| 2.4.1 单目视觉SLAM | 第28-29页 |
| 2.4.2 双目视觉SLAM | 第29-30页 |
| 2.4.3 深度视觉SLAM | 第30-31页 |
| 2.5 Kinect传感器 | 第31-33页 |
| 2.5.1 Kinect相机的硬件结构 | 第31-32页 |
| 2.5.2 Kinect相机的软件开发环境 | 第32页 |
| 2.5.3 Kinect相机的数据 | 第32-33页 |
| 2.6 本章小结 | 第33-35页 |
| 第三章 RGB-D视觉SLAM算法及改进 | 第35-53页 |
| 3.1 RGB-D视觉SLAM算法流程 | 第35-36页 |
| 3.2 RGB-D视觉SLAM前端算法 | 第36-45页 |
| 3.2.1 特征点提取与匹配 | 第36-43页 |
| 3.2.2 RANSAC运动变换估计 | 第43-44页 |
| 3.2.3 运动变换优化 | 第44-45页 |
| 3.3 RGB-D视觉SLAM后端算法 | 第45-50页 |
| 3.3.1 闭环检测算法 | 第45-46页 |
| 3.3.2 半随机闭环检测 | 第46-47页 |
| 3.3.3 图优化 | 第47-48页 |
| 3.3.4 G20通用图优化 | 第48-50页 |
| 3.4 本章小结 | 第50-53页 |
| 第四章 实验设计与结果分析 | 第53-67页 |
| 4.1 实验平台 | 第53页 |
| 4.2 特征点提取与匹配算法比较 | 第53-57页 |
| 4.2.1 实验准备 | 第53-54页 |
| 4.2.2 比较实验结果及分析 | 第54-57页 |
| 4.3 闭环检测实验设计 | 第57-61页 |
| 4.3.1 精确度性能实验及结果分析 | 第57-59页 |
| 4.3.2 实时性能实验及结果分析 | 第59-61页 |
| 4.4 实际环境测试实验 | 第61-66页 |
| 4.4.1 实验载体 | 第61-62页 |
| 4.4.2 实验场景 | 第62-66页 |
| 4.5 本章小结 | 第66-67页 |
| 第五章 总结与展望 | 第67-69页 |
| 5.1 本文工作总结 | 第67-68页 |
| 5.2 工作展望 | 第68-69页 |
| 参考文献 | 第69-73页 |
| 发表论文和参加科研情况 | 第73-75页 |
| 致谢 | 第75页 |
