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--机器人技术论文--机器人论文

基于环境语义信息的SLAM算法研究与实现

摘要第5-6页
ABSTRACT第6-7页
符号对照表第11-12页
缩略语对照表第12-16页
第一章 绪论第16-24页
    1.1 研究背景与意义第16-18页
    1.2 国内外研究现状第18-20页
    1.3 研究内容第20-21页
    1.4 组织安排第21-22页
    1.5 本章小结第22-24页
第二章 基于语义SLAM的相关研究第24-42页
    2.1 SLAM算法的框架和分类第24-25页
    2.2 基于特征点的SLAM算法第25-31页
        2.2.1 前端算法实现第25-29页
        2.2.2 后端算法实现第29-31页
    2.3 基于直接法的SLAM算法第31-33页
        2.3.1 前端算法实现第31-32页
        2.3.2 后端算法实现第32-33页
    2.4 物体检测算法第33-36页
        2.4.1 基于特征点的传统检测方法第33-34页
        2.4.2 基于深度学习的检测算法第34-36页
    2.5 语义SLAM的理论第36页
    2.6 地图生成算法第36-40页
        2.6.1 二维地图生成第37页
        2.6.2 2.5维地图生成第37-38页
        2.6.3 三维地图生成第38-40页
    2.7 本章小结第40-42页
第三章 语义SLAM系统的架构设计第42-50页
    3.1 SLAM分析第42-44页
        3.1.1 SLAM存在的问题分析第42-43页
        3.1.2 ORB-SLAM系统架构分析第43-44页
    3.2 语义SLAM系统结构第44-49页
        3.2.1 关键帧和物体之间关系设计第46-47页
        3.2.2 跟踪线程设计第47-48页
        3.2.3 语义提取模块设计第48-49页
        3.2.4 三维地图构建模块设计第49页
    3.3 本章小结第49-50页
第四章 语义SLAM系统模块实现第50-68页
    4.1 语义SLAM总体说明第50-51页
    4.2 基于深度学习的物体检测第51-53页
    4.3 基于条件随机场的物体正则化第53-56页
        4.3.1 基于物体类别概率和上下文信息的密集型条件随机场第54-55页
        4.3.2 统计物体同时出现的概率第55-56页
    4.4 关键帧中临时物体的生成第56-57页
        4.4.1 特征点筛选第56-57页
        4.4.2 离群点移除第57页
        4.4.3 降采样操作第57页
    4.5 数据关联第57-60页
        4.5.1 生成临时物体候选集第58-59页
        4.5.2 候选集中确定对应物体第59-60页
    4.6 物体模型更新第60-61页
    4.7 基于Octomap的语义地图生成第61-66页
        4.7.1 计算空闲节点第63-65页
        4.7.2 Octomap多线程改进第65-66页
    4.8 本章小结第66-68页
第五章 实验测试和分析评估第68-82页
    5.1 测试平台与环境第68-71页
        5.1.1 测试数据集第68-69页
        5.1.2 评价指标第69页
        5.1.3 软件平台第69-70页
        5.1.4 硬件平台第70-71页
    5.2 语义SLAM跟踪定位测试与分析第71-75页
        5.2.1 不含语义SLAM定位测试与分析第71-72页
        5.2.2 融入语义的SLAM定位测试与分析第72-73页
        5.2.3 语义SLAM定位测试第73-75页
    5.3 语义SLAM物体检测测试与分析第75-77页
    5.4 语义SLAM三维地图建图测试与分析第77-80页
    5.5 本章小结第80-82页
第六章 总结与展望第82-84页
    6.1 本文总结第82-83页
    6.2 未来展望第83-84页
参考文献第84-90页
致谢第90-92页
作者简介第92-93页

论文共93页,点击 下载论文
上一篇:基于UVM的CAN总线控制器的验证平台设计
下一篇:基于Zabbix的集群监控预测平台的设计与实现