| 摘要 | 第4-5页 |
| abstract | 第5页 |
| 第1章 引言 | 第10-18页 |
| 1.1 研究背景和意义 | 第10-11页 |
| 1.2 研究现状 | 第11-14页 |
| 1.3 主要内容 | 第14页 |
| 1.4 本文的贡献 | 第14-15页 |
| 1.5 论文的组织 | 第15-18页 |
| 第2章 系统建模 | 第18-24页 |
| 2.1 系统运动学模型 | 第18-19页 |
| 2.2 二维激光雷达模型 | 第19-20页 |
| 2.3 RGB-D相机模型和图像对齐 | 第20-24页 |
| 2.3.1 相机模型 | 第20-21页 |
| 2.3.2 图像对齐 | 第21-24页 |
| 第3章 基于特征提取的RGB-D同时定位建图 | 第24-34页 |
| 3.1 特征点检测与匹配算法 | 第24-28页 |
| 3.1.1 特征选择 | 第24-26页 |
| 3.1.2 特征点的匹配 | 第26-28页 |
| 3.2 运动估计 | 第28-31页 |
| 3.3 八叉树地图表示 | 第31-33页 |
| 3.4 本章小结 | 第33-34页 |
| 第4章 激光雷达同时定位建图技术 | 第34-40页 |
| 4.1 环境模型 | 第34页 |
| 4.2 ICP算法 | 第34-36页 |
| 4.2.1 算法主要思想 | 第35-36页 |
| 4.2.2 点对关系的建立 | 第36页 |
| 4.3 基于概率模型的相关性匹配 | 第36-38页 |
| 4.3.1 模型的概率表示 | 第37-38页 |
| 4.3.2 扫描帧之间相关系数的求取 | 第38页 |
| 4.4 方案的选择 | 第38-39页 |
| 4.5 本章小结 | 第39-40页 |
| 第5章 后端姿态优化 | 第40-48页 |
| 5.1 后端概述 | 第40页 |
| 5.2 姿态图的构建 | 第40-42页 |
| 5.3 姿态图的优化 | 第42-46页 |
| 5.3.1 梯度下降法和高斯牛顿法 | 第42-43页 |
| 5.3.2 L-M优化算法 | 第43-44页 |
| 5.3.3 SLAM中的雅克比表示 | 第44-46页 |
| 5.4 本章小结 | 第46-48页 |
| 第6章 视觉与激光融合的同时定位建图 | 第48-56页 |
| 6.1 方案分析 | 第48-51页 |
| 6.1.1 传感器分析 | 第48-49页 |
| 6.1.2 基于稀疏特征点的RGB-DSLAM局限性 | 第49-50页 |
| 6.1.3 ORB-SLAM2定位策略局限性 | 第50-51页 |
| 6.2 融合方案设计 | 第51-52页 |
| 6.3 扩展卡尔曼滤波姿态融合 | 第52-54页 |
| 6.4 本章小结 | 第54-56页 |
| 第7章 实验设计和分析 | 第56-62页 |
| 7.1 硬件和软件平台 | 第56-57页 |
| 7.2 RGB-D相机标定实验 | 第57-58页 |
| 7.3 激光建图实验 | 第58-59页 |
| 7.4 视觉激光融合定位建图实验 | 第59-62页 |
| 7.4.1 实验结果 | 第59-61页 |
| 7.4.2 误差分析 | 第61-62页 |
| 第8章 结束语 | 第62-64页 |
| 参考文献 | 第64-68页 |
| 致谢 | 第68-70页 |
| 作者简历及攻读学位期间发表的学术论文与研究成果 | 第70页 |