| 摘要 | 第3-5页 |
| abstract | 第5-7页 |
| 第一章 绪论 | 第11-21页 |
| 1.1 研究背景和意义 | 第11-12页 |
| 1.2 选题来源 | 第12-13页 |
| 1.3 研究现状 | 第13-17页 |
| 1.3.1 视觉里程计的基本框架 | 第13-14页 |
| 1.3.2 基于RGB-D相机的视觉里程计研究现状 | 第14-16页 |
| 1.3.3 视觉惯性融合的里程计研究现状 | 第16-17页 |
| 1.4 研究内容 | 第17-19页 |
| 1.5 论文结构 | 第19-21页 |
| 第二章 大范围场景中特征点深度信息获取算法 | 第21-33页 |
| 2.1 引言 | 第21页 |
| 2.2 RGB-D相机 | 第21-24页 |
| 2.2.1 RGB-D相机结构 | 第21-22页 |
| 2.2.2 RGB-D相机深度图像成像原理 | 第22-24页 |
| 2.3 相机模型 | 第24-26页 |
| 2.4 特征点深度信息获取算法 | 第26-31页 |
| 2.4.1 深度图像对齐获取深度信息 | 第27-28页 |
| 2.4.2 局部地图投影获取深度信息 | 第28-30页 |
| 2.4.3 三角测量获取深度信息 | 第30-31页 |
| 2.5 本章小结 | 第31-33页 |
| 第三章 大范围场景下RGB-D视觉里程计 | 第33-51页 |
| 3.1 引言 | 第33页 |
| 3.2 算法介绍 | 第33-35页 |
| 3.2.1 坐标系及其符号定义 | 第33-34页 |
| 3.2.2 算法流程介绍 | 第34-35页 |
| 3.3 特征追踪 | 第35-42页 |
| 3.3.1 网格法FAST特征提取算法 | 第35-39页 |
| 3.3.2 金字塔LK光流法 | 第39-41页 |
| 3.3.3 特征管理 | 第41-42页 |
| 3.4 特征点深度信息获取 | 第42-45页 |
| 3.4.1 局部地图维护 | 第42-43页 |
| 3.4.2 特征点深度信息获取 | 第43-45页 |
| 3.5 帧到帧运动估计 | 第45-46页 |
| 3.5.1 旋转估计 | 第45-46页 |
| 3.5.2 平移估计 | 第46页 |
| 3.6 局部光束平差优化 | 第46-50页 |
| 3.6.1 光束平差法 | 第47-49页 |
| 3.6.2 局部光束平差法 | 第49-50页 |
| 3.7 本章小结 | 第50-51页 |
| 第四章 视觉/惯性融合的RGB-D视觉里程计 | 第51-61页 |
| 4.1 引言 | 第51页 |
| 4.2 算法介绍 | 第51-52页 |
| 4.3 坐标系定义 | 第52-53页 |
| 4.4 EKF算法推导 | 第53-58页 |
| 4.4.1 EKF预测过程 | 第54-57页 |
| 4.4.2 EKF更新过程 | 第57-58页 |
| 4.5 时间同步机制 | 第58页 |
| 4.6 本章小结 | 第58-61页 |
| 第五章 实验与分析 | 第61-75页 |
| 5.1 大范围场景下RGB-D视觉里程计实验 | 第61-66页 |
| 5.1.1 数据集实验 | 第62-63页 |
| 5.1.2 实验结果分析 | 第63-66页 |
| 5.2 视觉/惯性融合的RGB-D视觉里程计实验 | 第66-73页 |
| 5.2.1 硬件平台 | 第66-67页 |
| 5.2.2 传感器标定 | 第67-70页 |
| 5.2.3 实际场景实验与分析 | 第70-73页 |
| 5.3 本章小结 | 第73-75页 |
| 第六章 总结与展望 | 第75-77页 |
| 6.1 工作总结 | 第75页 |
| 6.2 展望 | 第75-77页 |
| 参考文献 | 第77-81页 |
| 致谢 | 第81-82页 |
| 攻读学位期间发表的学术论文目录 | 第82页 |