| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 符号对照表 | 第10-11页 |
| 缩略语对照表 | 第11-15页 |
| 第一章 绪论 | 第15-21页 |
| 1.1 研究背景与意义 | 第15-16页 |
| 1.2 SLAM问题及其研究现状 | 第16-18页 |
| 1.2.1 SLAM问题的提出背景 | 第16-17页 |
| 1.2.2 SLAM问题的研究现状 | 第17-18页 |
| 1.3 DVO_SLAM简要介绍 | 第18-19页 |
| 1.4 主要研究内容与论文结构 | 第19-21页 |
| 1.4.1 主要研究内容 | 第19页 |
| 1.4.2 论文结构 | 第19-21页 |
| 第二章 SLAM相关技术介绍 | 第21-31页 |
| 2.1 Kinect介绍 | 第21-24页 |
| 2.1.1 Kinect结构 | 第21-22页 |
| 2.1.2 Kinect的应用 | 第22-24页 |
| 2.2 ROS机器人操作系统 | 第24-26页 |
| 2.2.1 ROS机器人操作系统的特点 | 第24页 |
| 2.2.2 ROS的文件系统及工作原理 | 第24-26页 |
| 2.3 PCL点云库 | 第26-27页 |
| 2.3.1 PCL点云库的实现 | 第26-27页 |
| 2.3.2 包含库的介绍 | 第27页 |
| 2.4 G2o方法 | 第27-28页 |
| 2.5 本章小结 | 第28-31页 |
| 第三章 DVO_SLAM算法研究 | 第31-47页 |
| 3.1 DVO_SLAM前端模型 | 第31-37页 |
| 3.1.1 运动变化估计 | 第31-35页 |
| 3.1.2 关键帧选择 | 第35-37页 |
| 3.2 DVO_SLAM后端模型 | 第37-39页 |
| 3.2.1 位姿图的构建 | 第37-38页 |
| 3.2.2 闭环检测 | 第38-39页 |
| 3.2.3 位姿图的优化 | 第39页 |
| 3.3 算法实现 | 第39-43页 |
| 3.3.1 运动先验 | 第40页 |
| 3.3.2 插值法预测图像 | 第40-41页 |
| 3.3.3 加权最小二乘法 | 第41-42页 |
| 3.3.4 计算最大似然值 | 第42页 |
| 3.3.5 解正规方程 | 第42-43页 |
| 3.4 后端优化的鲁棒性 | 第43-44页 |
| 3.5 问题分析 | 第44-45页 |
| 3.6 本章小结 | 第45-47页 |
| 第四章 改进的DVO_SLAM算法 | 第47-59页 |
| 4.1 图像预测的改进 | 第47-50页 |
| 4.1.1 双线性插值法 | 第47-49页 |
| 4.1.2 双三次插值法 | 第49-50页 |
| 4.2 关键帧选择方法的改进 | 第50-51页 |
| 4.2.1 常用的关键帧选择方法 | 第50-51页 |
| 4.2.2 有效点比值法 | 第51页 |
| 4.3 后端优化鲁棒性的分析与比较 | 第51-57页 |
| 4.3.1 不具有鲁棒性的后端优化 | 第52页 |
| 4.3.2 鲁棒性代价函数分析 | 第52-54页 |
| 4.3.3 改进的动态协方差缩放算法 | 第54-57页 |
| 4.4 本章小结 | 第57-59页 |
| 第五章 实验结果与分析 | 第59-73页 |
| 5.1 误差的度量方法 | 第59-61页 |
| 5.1.1 绝对轨迹误差 | 第59-60页 |
| 5.1.2 相对位姿误差 | 第60-61页 |
| 5.2 实验数据集介绍 | 第61-63页 |
| 5.2.1 标准数据集介绍 | 第61-63页 |
| 5.3 实验结果与分析 | 第63-71页 |
| 5.3.1 有效点比值法的阈值选择 | 第63-64页 |
| 5.3.2 关键帧选择方法结果分析与比较 | 第64-67页 |
| 5.3.3 后端优化算法的比较测试 | 第67-68页 |
| 5.3.4 与原DVO_SLAM方法的比较 | 第68-69页 |
| 5.3.5 与基于稀疏特性的RGB-D SLAM方法的比较 | 第69-71页 |
| 5.4 本章小结 | 第71-73页 |
| 第六章 总结与展望 | 第73-75页 |
| 6.1 总结 | 第73页 |
| 6.2 展望 | 第73-75页 |
| 参考文献 | 第75-79页 |
| 致谢 | 第79-81页 |
| 作者简介 | 第81-82页 |