| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 课题研究背景与意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.2.1 机器人的发展历史 | 第11-12页 |
| 1.2.2 机器人的研究现状 | 第12-13页 |
| 1.3 机器人自定位技术的应用 | 第13-15页 |
| 1.3.1 应用领域 | 第13-14页 |
| 1.3.2 室内自定位技术的发展潜力 | 第14-15页 |
| 1.4 论文主要内容与章节安排 | 第15-16页 |
| 第二章 Kinect基本理论 | 第16-26页 |
| 2.1 Kinect概述 | 第16-21页 |
| 2.1.1 Kinect主要组件及开发工具 | 第17-18页 |
| 2.1.2 Kinect获取深度图像信息的原理 | 第18-20页 |
| 2.1.3 Kinect的应用 | 第20-21页 |
| 2.2 Kinect标定与点云生成 | 第21-25页 |
| 2.2.1 彩色和深度图像的获取 | 第21-22页 |
| 2.2.2 Kinect标定及三维坐标的计算 | 第22-24页 |
| 2.2.3 图像点云的生成 | 第24-25页 |
| 2.3 总结 | 第25-26页 |
| 第三章 基于SIFT算法的特征检测 | 第26-40页 |
| 3.1 图像特征检测与匹配 | 第26-28页 |
| 3.1.1 常用图像特征检测与匹配的方法 | 第26-27页 |
| 3.1.2 常用算法的比较 | 第27-28页 |
| 3.2 SIFT算法 | 第28-37页 |
| 3.2.1 SIFT算法简介 | 第28页 |
| 3.2.2 基于SIFT算法的特征检测 | 第28-33页 |
| 3.2.3 基于K-DTree和BBF算法的特征匹配 | 第33-37页 |
| 3.3 仿真实验及结果分析 | 第37-39页 |
| 3.4 总结 | 第39-40页 |
| 第四章 基于特征点的ICP算法及自定位研究 | 第40-52页 |
| 4.1 传统的ICP算法及其原理 | 第40-42页 |
| 4.2 改进的ICP算法 | 第42-47页 |
| 4.2.1 旋转矩阵和平移向量的数学模型 | 第42-46页 |
| 4.2.2 运动估计及其算法 | 第46-47页 |
| 4.3 仿真实验与结果分析 | 第47-51页 |
| 4.3.1 实验环境的建立 | 第47-48页 |
| 4.3.2 实验及结果的对比 | 第48-51页 |
| 4.4 总结 | 第51-52页 |
| 第五章 工作总结与工作展望 | 第52-54页 |
| 5.1 工作总结 | 第52-53页 |
| 5.2 工作展望 | 第53-54页 |
| 参考文献 | 第54-59页 |
| 攻读学位期间所取得的相关科研成果 | 第59-61页 |
| 致谢 | 第61-62页 |