| 摘要 | 第3-4页 |
| abstract | 第4-5页 |
| 主要符号对照表 | 第9-10页 |
| 第1章 绪论 | 第10-22页 |
| 1.1 研究背景 | 第10-12页 |
| 1.2 国内外研究现状 | 第12-20页 |
| 1.2.1 视觉同时定位和地图构建方法(VSLAM) | 第12-15页 |
| 1.2.2 视觉与IMU融合的视觉惯性导航方法 | 第15-18页 |
| 1.2.3 视觉与轮式里程计融合的定位方法 | 第18-19页 |
| 1.2.4 国内研究现状 | 第19-20页 |
| 1.3 研究内容及章节安排 | 第20-22页 |
| 第2章 预备知识与准备工作 | 第22-36页 |
| 2.1 三维刚体运动表示 | 第22-24页 |
| 2.1.1 坐标系定义 | 第22-23页 |
| 2.1.2 位姿定义 | 第23-24页 |
| 2.2 相机和图像 | 第24-28页 |
| 2.2.1 相机投影模型 | 第24-26页 |
| 2.2.2 图像中的特征点 | 第26-27页 |
| 2.2.3 特征点匹配 | 第27-28页 |
| 2.3 基于优化的SLAM方法 | 第28-36页 |
| 2.3.1 最大后验估计 | 第28-31页 |
| 2.3.2 优化问题求解 | 第31-32页 |
| 2.3.3 旋转扰动量的处理 | 第32-36页 |
| 第3章 基于视觉与里程计融合的室内机器人定位 | 第36-53页 |
| 3.1 视觉SLAM与轮式里程计融合方法 | 第36-44页 |
| 3.1.1 相机与里程计测量模型 | 第37-38页 |
| 3.1.2 基于优化的融合 | 第38-42页 |
| 3.1.3 优化中平面约束的处理 | 第42-44页 |
| 3.2 软件实现 | 第44-45页 |
| 3.3 地图新建与合并 | 第45-47页 |
| 3.3.1 初始化和新建子地图 | 第45-46页 |
| 3.3.2 子地图尺度对齐和地图合并 | 第46-47页 |
| 3.4 实验及分析 | 第47-52页 |
| 3.4.1 位姿估计结果 | 第47-50页 |
| 3.4.2 地图新建与合并结果 | 第50-51页 |
| 3.4.3 复杂环境中的定位和建图 | 第51-52页 |
| 3.5 本章小结 | 第52-53页 |
| 第4章 基于优化的紧耦合视觉惯性导航算法 | 第53-85页 |
| 4.1 IMU测量与预积分 | 第53-63页 |
| 4.1.1 IMU测量模型 | 第54-55页 |
| 4.1.2 IMU预积分 | 第55-61页 |
| 4.1.3 零偏修正 | 第61-63页 |
| 4.2 基于优化的紧耦合视觉惯性融合 | 第63-70页 |
| 4.2.1 状态定义及因子图表示 | 第63-65页 |
| 4.2.2 状态增量与测量残差关于状态增量的雅可比 | 第65-70页 |
| 4.3 VINS状态线性估计与初始化 | 第70-76页 |
| 4.3.1 测量自由度与能观性 | 第70-71页 |
| 4.3.2 VINS初始化 | 第71-76页 |
| 4.4 软件实现 | 第76-80页 |
| 4.4.1 初始化 | 第76页 |
| 4.4.2 跟踪 | 第76-79页 |
| 4.4.3 局部建图 | 第79页 |
| 4.4.4 闭环检测和重定位 | 第79-80页 |
| 4.5 EuRoc数据集测试 | 第80-84页 |
| 4.6 本章小结 | 第84-85页 |
| 第5章 视觉惯性导航系统设计与实验 | 第85-102页 |
| 5.1 路标点的逆深度参数化 | 第85-88页 |
| 5.1.1 逆深度参数化模型 | 第86页 |
| 5.1.2 逆深度参数化的优化过程 | 第86-88页 |
| 5.2 硬件系统搭建与标定 | 第88-92页 |
| 5.2.1 传感器选型 | 第88-90页 |
| 5.2.2 标定、延时与时间戳同步 | 第90-92页 |
| 5.3 软硬件综合实验与分析 | 第92-101页 |
| 5.3.1 延时与外参标定 | 第92-93页 |
| 5.3.2 实际场景软硬件综合测试 | 第93-97页 |
| 5.3.3 逆深度参数化改进实验 | 第97-101页 |
| 5.4 本章小结 | 第101-102页 |
| 第6章 总结与展望 | 第102-104页 |
| 6.1 总结 | 第102-103页 |
| 6.2 展望 | 第103-104页 |
| 参考文献 | 第104-111页 |
| 致谢 | 第111-113页 |
| 个人简历、在学期间发表的学术论文与研究成果 | 第113页 |