| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 第一章 绪论 | 第11-23页 |
| 1.1 选题背景与研究意义 | 第11-13页 |
| 1.2 视觉SLAM系统发展现状 | 第13-17页 |
| 1.2.1 视觉SLAM系统方法框架 | 第13-16页 |
| 1.2.2 基于深度学习的SLAM系统 | 第16-17页 |
| 1.3 图像局部特征发展现状 | 第17-19页 |
| 1.4 论文主要工作和组织架构 | 第19-23页 |
| 第二章 基于图像局部特征的视觉SLAM系统 | 第23-41页 |
| 2.1 视觉SLAM系统的关键技术 | 第23-35页 |
| 2.1.1 相机标定 | 第23-28页 |
| 2.1.2 基于视觉特征的视觉里程计 | 第28-31页 |
| 2.1.3 基于视觉特征的后端优化 | 第31-32页 |
| 2.1.4 回环检测 | 第32-34页 |
| 2.1.5 地图构建 | 第34-35页 |
| 2.2 图像局部特征描述方法 | 第35-39页 |
| 2.2.1 传统图像局部特征描述算法 | 第35-36页 |
| 2.2.2 基于深度学习的图像局部特征描述算法 | 第36-39页 |
| 2.3 本章小结 | 第39-41页 |
| 第三章 基于深度学习的图像局部特征描述子提取 | 第41-55页 |
| 3.1 网络结构的设计 | 第41-42页 |
| 3.2 训练策略 | 第42-43页 |
| 3.3 损失函数的构建 | 第43-45页 |
| 3.4 实验结果测评指标 | 第45-47页 |
| 3.4.1 图像匹配 | 第45-46页 |
| 3.4.2 图像块检索 | 第46页 |
| 3.4.3 图像块验证 | 第46-47页 |
| 3.5 实验结果分析 | 第47-53页 |
| 3.5.1 边界参数对比 | 第47-50页 |
| 3.5.2 基于HPatches任务的性能对比 | 第50-52页 |
| 3.5.3 时间性能对比 | 第52-53页 |
| 3.6 本章小结 | 第53-55页 |
| 第四章 均匀特征采样策略与训练数据集构建 | 第55-69页 |
| 4.1 视觉SLAM系统中的均匀特征采样策略 | 第55-57页 |
| 4.2 训练数据集简介 | 第57-63页 |
| 4.2.1 Brown数据集 | 第57-59页 |
| 4.2.2 Oxford-Affine数据集 | 第59-61页 |
| 4.2.3 HPatches数据集 | 第61-63页 |
| 4.3 基于均匀采样的FAST特征点的图像块数据集构建 | 第63-65页 |
| 4.4 基于均匀采样的FAST特征点的数据集性能评估 | 第65-67页 |
| 4.4.1 图像匹配 | 第65-66页 |
| 4.4.2 系统结果 | 第66-67页 |
| 4.5 本章小结 | 第67-69页 |
| 第五章 基于深度特征描述子的视觉SLAM系统实现与优化 | 第69-81页 |
| 5.1 视觉SLAM系统 | 第69-71页 |
| 5.1.1 ORB-SLAM2系统简介 | 第69-70页 |
| 5.1.2 基于深度特征描述子的系统优化 | 第70-71页 |
| 5.2 系统模块的实现 | 第71-75页 |
| 5.2.1 图像局部特征描述子提取模块 | 第71-72页 |
| 5.2.2 图像局部特征匹配模块 | 第72-73页 |
| 5.2.3 词典匹配模块 | 第73-75页 |
| 5.3 实验参数选择 | 第75-77页 |
| 5.4 实验结果 | 第77-79页 |
| 5.5 本章小结 | 第79-81页 |
| 第六章 总结和展望 | 第81-85页 |
| 6.1 工作总结 | 第81-82页 |
| 6.2 工作展望 | 第82-85页 |
| 参考文献 | 第85-93页 |
| 致谢 | 第93-95页 |
| 攻读学位期间取得的研究成果 | 第95页 |
