| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第8-16页 |
| 1.1 课题背景及研究目的和意义 | 第8-9页 |
| 1.2 SLAM 国内外研究发展概述 | 第9-11页 |
| 1.2.1 国外研究发展概述 | 第9-10页 |
| 1.2.2 国内研究发展概述 | 第10-11页 |
| 1.3 基于视觉的 SLAM 相关研究工作 | 第11-14页 |
| 1.3.1 国外的相关研究文献 | 第11-13页 |
| 1.3.2 国内的相关研究文献 | 第13-14页 |
| 1.4 本文的内容和组织结构 | 第14-16页 |
| 1.4.1 主要研究工作 | 第14页 |
| 1.4.2 论文内容安排 | 第14-16页 |
| 第2章 基于视觉的 SLAM 基本原理和方法 | 第16-30页 |
| 2.1 SLAM 问题的一般定义 | 第16-20页 |
| 2.1.1 SLAM 问题的过程描述 | 第16-17页 |
| 2.1.2 SLAM 问题的数学模型 | 第17-20页 |
| 2.2 基于视觉的 SLAM 方法分类 | 第20-22页 |
| 2.2.1 根据视觉的配置分类 | 第20-21页 |
| 2.2.2 根据运动估计的方法分类 | 第21-22页 |
| 2.3 基于 EKF 滤波器的单目视觉 SLAM 方法 | 第22-29页 |
| 2.3.1 摄像头的成像模型 | 第22-25页 |
| 2.3.2 系统状态的表示 | 第25-27页 |
| 2.3.3 系统模型的建立 | 第27-28页 |
| 2.3.4 基于 EKF 的 SLAM 过程 | 第28-29页 |
| 2.4 本章小结 | 第29-30页 |
| 第3章 单目视觉 SLAM 的改进方法 | 第30-46页 |
| 3.1 SLAM 算法中图像特征的提取 | 第30-34页 |
| 3.1.1 常用的图像特征提取方法 | 第30-31页 |
| 3.1.2 ORB 特征提取算法 | 第31-32页 |
| 3.1.3 基于图像栅格的 ORB 特征提取方法 | 第32-34页 |
| 3.2 基于主动视觉的特征匹配方法 | 第34-39页 |
| 3.2.1 主动视觉匹配 | 第34-35页 |
| 3.2.2 改进的基于主动视觉的特征匹配方法 | 第35-39页 |
| 3.3 基于 RANSAC 和 EKF 滤波器的 SLAM 方法 | 第39-45页 |
| 3.3.1 RANSAC 算法 | 第39-40页 |
| 3.3.2 基于 1-point RANSAC 的 SLAM 方法 | 第40-41页 |
| 3.3.3 MVEKF 算法 | 第41-42页 |
| 3.3.4 改进的基于 MVEKF 滤波器的 SLAM 方法 | 第42-45页 |
| 3.4 本章小结 | 第45-46页 |
| 第4章 实验设计与分析 | 第46-65页 |
| 4.1 图像特征提取算法对比实验 | 第46-52页 |
| 4.1.1 实验方法和环境 | 第46-48页 |
| 4.1.2 实验结果和分析 | 第48-52页 |
| 4.2 SLAM 系统中特征的提取和匹配实验 | 第52-56页 |
| 4.2.1 特征的提取 | 第52-53页 |
| 4.2.2 特征的匹配 | 第53-56页 |
| 4.3 单目视觉 SLAM 综合性能分析 | 第56-64页 |
| 4.3.1 公共图像数据集测试实验 | 第56-59页 |
| 4.3.2 圆形旋转测试实验 | 第59-64页 |
| 4.4 本章小结 | 第64-65页 |
| 结论 | 第65-66页 |
| 参考文献 | 第66-71页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第71-73页 |
| 致谢 | 第73页 |
