基于全局和局部特征融合的改进RatSLAM算法研究
| 摘要 | 第5-7页 |
| ABSTRACT | 第7-9页 |
| 第1章 绪论 | 第12-23页 |
| 1.1 引言 | 第12-13页 |
| 1.2 课题研究的背景及意义 | 第13-15页 |
| 1.2.1 课题研究的背景 | 第13-14页 |
| 1.2.2 课题研究的意义 | 第14-15页 |
| 1.3 SLAM技术概述 | 第15-18页 |
| 1.4 SLAM技术发展进程及研究现状 | 第18-20页 |
| 1.4.1 SLAM技术发展进程 | 第18页 |
| 1.4.2 SLAM技术研究现状 | 第18-20页 |
| 1.5 主要研究内容和章节安排 | 第20-23页 |
| 第2章 RatSLAM模型概述 | 第23-34页 |
| 2.1 RatSLAM仿生导航的原理 | 第23-25页 |
| 2.2 RatSLAM模型 | 第25-32页 |
| 2.2.1 空间位姿模型 | 第26-27页 |
| 2.2.2 位姿感知细胞网络内部动态过程 | 第27-28页 |
| 2.2.3 场景学习 | 第28-29页 |
| 2.2.4 路径积分 | 第29页 |
| 2.2.5 经历图的绘制 | 第29-32页 |
| 2.3 本章小结 | 第32-34页 |
| 第3章 特征融合的RatSLAM模型研究 | 第34-44页 |
| 3.1 GIST特征算法 | 第34-35页 |
| 3.2 SIFT特征算法 | 第35-38页 |
| 3.2.1 构建尺度空间检测极值点 | 第35-37页 |
| 3.2.2 定位关键点 | 第37页 |
| 3.2.3 关键点方向分配 | 第37-38页 |
| 3.2.4 建立SIFT特征描述子 | 第38页 |
| 3.3 特征融合的RatSLAM模型 | 第38-39页 |
| 3.3.1 局部场景特征模板形成 | 第39页 |
| 3.3.2 局部场景特征模板匹配 | 第39页 |
| 3.4 仿真实验及结果分析 | 第39-43页 |
| 3.4.1 特征提取 | 第40-41页 |
| 3.4.2 经验节点匹配 | 第41-42页 |
| 3.4.3 经验地图 | 第42-43页 |
| 3.5 本章小结 | 第43-44页 |
| 第4章 基于视觉词袋的改进RatSLAM模型 | 第44-56页 |
| 4.1 视觉词袋模型概述 | 第44-48页 |
| 4.1.1 特征向量的量化 | 第45-46页 |
| 4.1.2 TF-IDF权重分配 | 第46页 |
| 4.1.3 图像索引 | 第46-48页 |
| 4.2 回环验证 | 第48-50页 |
| 4.2.1 时间一致性验证 | 第48-49页 |
| 4.2.2 几何一致性验证 | 第49-50页 |
| 4.3 基于视觉词袋的改进RatSLAM模型 | 第50-52页 |
| 4.3.1 视觉词典构建 | 第50-51页 |
| 4.3.2 基于视觉词袋的改进RatSLAM模型 | 第51-52页 |
| 4.4 仿真实验及结果分析 | 第52-54页 |
| 4.5 本章小结 | 第54-56页 |
| 第5章 总结与展望 | 第56-58页 |
| 5.1 总结 | 第56页 |
| 5.2 展望 | 第56-58页 |
| 参考文献 | 第58-63页 |
| 攻读硕士学位期间发表的学术论文目录 | 第63-64页 |
| 致谢 | 第64页 |
