| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 课題研究的背景及意义 | 第9-10页 |
| 1.2 SLAM技术的研究现状 | 第10-13页 |
| 1.2.1 国外研究现状 | 第10-12页 |
| 1.2.2 国内研究现状 | 第12-13页 |
| 1.3 视觉SLAM系统存在的问题 | 第13-14页 |
| 1.4 本文主要研究内容与章节安排 | 第14-15页 |
| 第2章 双目立体视觉SALM系统介绍 | 第15-28页 |
| 2.1 视觉SLAM算法介绍 | 第15-19页 |
| 2.1.1 基于扩展卡尔曼滤波的视觉SLAM算法 | 第15-17页 |
| 2.1.2 基于图优化的视觉SLAM算法 | 第17-19页 |
| 2.2 基于图优化的双目立体视觉SLAM总体流程 | 第19-21页 |
| 2.3 双目摄像机模型与标定 | 第21-25页 |
| 2.3.1 双目摄像机模型 | 第21-24页 |
| 2.3.2 双目摄像机标定 | 第24-25页 |
| 2.4 移动机器人视觉SLAM模型 | 第25-28页 |
| 2.4.1 机器人运动模型 | 第25-26页 |
| 2.4.2 机器人观测模型 | 第26-28页 |
| 第3章 双目立体视觉特征提取与匹配算法研究 | 第28-42页 |
| 3.1 图像预处理 | 第28-30页 |
| 3.2 ORB特征检测 | 第30-32页 |
| 3.3 ORB特征描述子 | 第32-34页 |
| 3.4 ORB特征匹配 | 第34页 |
| 3.5 误匹配剔除算法 | 第34-42页 |
| 3.5.1 传统误匹配剔除算法分析 | 第34-36页 |
| 3.5.2 改进的误匹配剔除算法分析 | 第36-37页 |
| 3.5.3 实验对比与分析 | 第37-42页 |
| 第4章 基于改进的BoVW模型构建算法研究 | 第42-51页 |
| 4.1 视觉场景表示方式 | 第42-43页 |
| 4.2 BoVW模型构建算法分析 | 第43-48页 |
| 4.2.1 基于K-means++算法的BoVW模型 | 第44-46页 |
| 4.2.2 基于AFK-MC~2算法改进的BoVW模型 | 第46-48页 |
| 4.3 图像之间相似度的计算 | 第48页 |
| 4.4 仿真实验对比 | 第48-51页 |
| 第5章 移动机器人SLAM平台设计及实验 | 第51-64页 |
| 5.1 移动机器人实验平台设计 | 第51-57页 |
| 5.1.1 硬件系统设计 | 第51-53页 |
| 5.1.2 基于ROS的软件系统设计 | 第53-55页 |
| 5.1.3 双目视觉传感器标定 | 第55-57页 |
| 5.2 改进的误匹配剔除算法在相机初始位姿估计中的实验 | 第57-61页 |
| 5.2.1 实验描述 | 第58-59页 |
| 5.2.2 实验结果分析 | 第59-61页 |
| 5.3 改进的BoVW模型在闭环检测中的实验 | 第61-64页 |
| 5.3.1 实验描述 | 第61-62页 |
| 5.3.2 实验结果分析 | 第62-64页 |
| 结论 | 第64-66页 |
| 致谢 | 第66-67页 |
| 参考文献 | 第67-70页 |
