| 摘要 | 第3-5页 |
| ABSTRACT | 第5-6页 |
| 1 绪论 | 第9-17页 |
| 1.1 研究背景与意义 | 第9-10页 |
| 1.2 视觉SLAM算法国内外研究现状 | 第10-15页 |
| 1.2.1 视觉SLAM方案研究现状 | 第10-12页 |
| 1.2.2 运动目标检测研究现状 | 第12-13页 |
| 1.2.3 动态环境中SLAM问题研究现状 | 第13-15页 |
| 1.3 主要工作及贡献 | 第15-17页 |
| 2 改进SLAM系统框架 | 第17-25页 |
| 2.1 ORB-SLAM2 系统框架 | 第17-18页 |
| 2.2 改进系统构架 | 第18-19页 |
| 2.3 改进系统各模块主要工作 | 第19-23页 |
| 2.3.1 前端模块 | 第19-20页 |
| 2.3.2 后端模块 | 第20-23页 |
| 2.4 系统主要数据类型维护 | 第23-24页 |
| 2.5 本章小结 | 第24-25页 |
| 3 图像特征点提取研究 | 第25-39页 |
| 3.1 标准ORB算法分析 | 第25-26页 |
| 3.2 改进Qtree_ORB特征点均匀化算法 | 第26-28页 |
| 3.2.1 Qtree_ORB特征点提取算法分析 | 第26-27页 |
| 3.2.2 改进Qtree_ORB特征点提取算法 | 第27-28页 |
| 3.3 基于网格划分的ORB特征点均匀化算法 | 第28-32页 |
| 3.3.1 网格模型确定 | 第29-31页 |
| 3.3.2 网格内自适应阈值特征点提取 | 第31-32页 |
| 3.4 实验结果 | 第32-37页 |
| 3.4.1 实验数据及运行环境 | 第32-33页 |
| 3.4.2 图像特征点均匀度测试 | 第33-34页 |
| 3.4.3 图像特征点匹配性能测试 | 第34-37页 |
| 3.5 本章小结 | 第37-39页 |
| 4 动态特征点检测研究 | 第39-65页 |
| 4.1 基于运动一致性的动态特征点约束算法 | 第39-46页 |
| 4.1.1 动态特征点粗滤除方法 | 第40-43页 |
| 4.1.2 标准RANSAC算法理论分析 | 第43-44页 |
| 4.1.3 改进RANSAC算法 | 第44-46页 |
| 4.2 基于极线几何的动态特征点精滤除方法 | 第46-47页 |
| 4.3 基于几何约束和语义约束的动态特征点滤除算法 | 第47-50页 |
| 4.3.1 动态特征点语义约束 | 第48页 |
| 4.3.2 动态特征点几何约束模型 | 第48-49页 |
| 4.3.3 动态特征点滤除策略 | 第49-50页 |
| 4.4 实验分析 | 第50-64页 |
| 4.4.1 MC算法动态特征点滤除测试 | 第50-58页 |
| 4.4.2 SGC算法动态特征点滤除测试 | 第58-63页 |
| 4.4.3 与现有优秀算法性能对比 | 第63-64页 |
| 4.5 本章小结 | 第64-65页 |
| 5 静态环境地图构建研究 | 第65-79页 |
| 5.1 绘图帧筛选策略 | 第65-67页 |
| 5.1.1 关键帧生成策略及构图局限性分析 | 第65-66页 |
| 5.1.2 绘图关键帧筛选策略 | 第66-67页 |
| 5.2 基于语义的动态信息滤除 | 第67-68页 |
| 5.3 静态点云地图构建 | 第68-69页 |
| 5.4 静态八叉树地图构建 | 第69-71页 |
| 5.5 数据集测试 | 第71-74页 |
| 5.5.1 静态点云地图构建测试 | 第71-72页 |
| 5.5.2 静态八叉树地图构建测试 | 第72-74页 |
| 5.6 实际环境测试 | 第74-78页 |
| 5.7 本章小结 | 第78-79页 |
| 6 总结与展望 | 第79-81页 |
| 6.1 总结 | 第79页 |
| 6.2 展望 | 第79-81页 |
| 致谢 | 第81-83页 |
| 参考文献 | 第83-89页 |
| 攻读学位期间学术成果 | 第89页 |