| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第10-19页 |
| 1.1 选题背景及意义 | 第10-11页 |
| 1.2 SLAM问题概述及国内外研究现状 | 第11-17页 |
| 1.2.1 SLAM问题概述 | 第11-15页 |
| 1.2.2 国内外研究现状 | 第15-17页 |
| 1.3 本文主要工作及组织结构 | 第17-19页 |
| 第2章 数据的获取和预处理 | 第19-29页 |
| 2.1 引言 | 第19页 |
| 2.2 Kinect传感器 | 第19-24页 |
| 2.2.1 Kinect硬件结构 | 第20-21页 |
| 2.2.2 Kinect深度测量原理 | 第21-22页 |
| 2.2.3 Kinect坐标空间转换关系 | 第22-24页 |
| 2.3 OpenNI开源驱动 | 第24-25页 |
| 2.4 Pioneer机器人 | 第25-27页 |
| 2.4.1 机器人简介 | 第25-26页 |
| 2.4.2 里程计运动模型 | 第26-27页 |
| 2.5 数据预处理 | 第27-28页 |
| 2.6 本章小结 | 第28-29页 |
| 第3章 二维特征点的提取及三维特征点云的获取 | 第29-35页 |
| 3.1 引言 | 第29页 |
| 3.2 维特征点提取 | 第29-31页 |
| 3.3 三维特征点云的获取 | 第31-33页 |
| 3.3.1 三维映射 | 第31页 |
| 3.3.2 高斯混合模型 | 第31-33页 |
| 3.3.3 特征点的协方差矩阵 | 第33页 |
| 3.4 本章小结 | 第33-35页 |
| 第4章 基于帧间匹配和图优化的SLAM | 第35-61页 |
| 4.1 引言 | 第35页 |
| 4.2 相邻帧间变换 | 第35-49页 |
| 4.2.1 机器人位姿递推方程 | 第36-37页 |
| 4.2.2 SVD算法计算点云间旋转平移矩阵 | 第37-40页 |
| 4.2.3 RANSAC算法求取最优变换 | 第40-45页 |
| 4.2.4 ICP算法计算帧间变换 | 第45-49页 |
| 4.3 闭环检测 | 第49-51页 |
| 4.3.1 闭环检测概述 | 第49-50页 |
| 4.3.2 闭环检测历史帧选取 | 第50-51页 |
| 4.4 后端优化 | 第51-52页 |
| 4.4.1 Graph-based SLAM模型 | 第51-52页 |
| 4.4.2 g2o优化器 | 第52页 |
| 4.5 地图构建 | 第52-53页 |
| 4.6 实验评估 | 第53-60页 |
| 4.6.1 不同特征选择算法比较 | 第54-58页 |
| 4.6.2 后端优化器性能评估 | 第58-60页 |
| 4.7 本章小结 | 第60-61页 |
| 第5章 基于卡尔曼滤波器和帧与特征地图匹配的SLAM | 第61-75页 |
| 5.1 引言 | 第61-62页 |
| 5.2 概述 | 第62-63页 |
| 5.3 位姿估计 | 第63-67页 |
| 5.3.1 ICP求取变换矩阵 | 第63页 |
| 5.3.2 位姿优化 | 第63-65页 |
| 5.3.3 模型更新 | 第65-67页 |
| 5.4 实验评估 | 第67-74页 |
| 5.4.1 本算法精度评估 | 第68-70页 |
| 5.4.2 地图构建评估 | 第70-73页 |
| 5.4.3 三种算法比较 | 第73-74页 |
| 5.5 本章小结 | 第74-75页 |
| 第6章 总结与展望 | 第75-77页 |
| 6.1 研究工作总结 | 第75-76页 |
| 6.2 工作展望 | 第76-77页 |
| 参考文献 | 第77-83页 |
| 攻读硕士学位期间发表论与研究成果清单 | 第83-84页 |
| 致谢 | 第84页 |