首页--工业技术论文--自动化技术、计算机技术论文--自动化技术及设备论文--自动化元件、部件论文--发送器(变换器)、传感器论文

基于ORB特征的视觉里程计与建图研究

摘要第4-6页
abstract第6-7页
第1章 引言第13-19页
    1.1 课题来源及研究的背景和意义第13-14页
        1.1.1 课题来源第13页
        1.1.2 课题研究背景和意义第13-14页
    1.2 国内外研究现状第14-17页
        1.2.1 国外研究综述第14-15页
        1.2.2 国内研究综述第15-17页
    1.3 本文主要研究内容和结构安排第17-19页
        1.3.1 本文主要研究内容第17-18页
        1.3.2 本文结构安排第18-19页
第2章 深度传感器与实验系统构架第19-31页
    2.1 针孔相机模型与坐标系变换第19-22页
        2.1.1 针孔相机模型第19-22页
        2.1.2 坐标系变换第22页
    2.2 深度相机测量原理及其标定原理和实验第22-28页
        2.2.1 深度相机测量原理第22-25页
        2.2.2 深度相机标定原理与实验第25-28页
    2.3 视觉SLAM系统架构与模块第28-29页
        2.3.1 视觉SLAM系统第28页
        2.3.2 视觉SLAM前端第28-29页
        2.3.3 视觉SLAM后端第29页
        2.3.4 回环检测部分第29页
        2.3.5 地图构建第29页
    2.4 本章小结第29-31页
第3章 基于ORB特征的前端视觉里程计第31-49页
    3.1 特征的检测与描述第31-35页
        3.1.1 SIFT特征点的检测与描述第31-32页
        3.1.2 ORB特征点的检测与描述第32-35页
    3.2 不同特征点下的对比与实验第35-37页
    3.3 基于非线性优化的视觉里程计原理第37-47页
        3.3.1 PnP方法求取帧间相机运动第37-41页
        3.3.2 基于非线性优化的求取帧间相机运动第41-44页
        3.3.3 PnP方法与基于非线性优化方法的对比第44-47页
    3.4 本章小结第47-49页
第4章 混合视觉里程计第49-63页
    4.1 混合视觉里程计系统组成框架第49-51页
    4.2 基于直接方法的视觉定位理论分析第51-56页
        4.2.1 基于直接方法的视觉里程计实验测定第54-56页
    4.3 评分函数第56-61页
        4.3.1 评分函数超参数的实验测定与分析第57-60页
        4.3.2 混合视觉里程计与基于特征点的视觉里程计的鲁棒性实验对比第60-61页
    4.4 本章小结第61-63页
第5章 SLAM系统后端地图创建第63-73页
    5.1 实验硬件平台第63-65页
    5.2 平台软件架构第65页
    5.3 稠密点云地图生成第65-68页
    5.4 基于优化轨迹反馈的点云地图创建与RGB-DSLAM系统比较实验第68-71页
        5.4.1 位姿轨迹优化第68-69页
        5.4.2 本文系统的精度与鲁棒性评估第69-71页
    5.5 本系统与SVO系统的对比实验第71-72页
    5.6 点云地图与八叉树地图结果比较分析第72页
    5.7 本章小结第72-73页
第6章 结论与展望第73-75页
    6.1 结论第73页
    6.2 创新点第73-74页
    6.3 展望第74-75页
参考文献第75-79页
致谢第79-81页
作者简历及攻读学位期间发表的学术论文与研究成果第81页

论文共81页,点击 下载论文
上一篇:近海及登陆台风对广东省沿海地区风雨的影响
下一篇:基于双目视觉的构件自动焊接关键技术研究