基于RGB-D相机的室内视觉SLAM算法研究
| 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9-12页 |
| 1.1.1 视觉SLAM | 第9-10页 |
| 1.1.2 室内视觉SLAM特点 | 第10-11页 |
| 1.1.3 语义地图 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-15页 |
| 1.2.1 视觉里程计 | 第12-14页 |
| 1.2.2 语义地图 | 第14-15页 |
| 1.3 论文的主要工作 | 第15-16页 |
| 1.4 论文的组织结构 | 第16-17页 |
| 2 相关理论基础 | 第17-30页 |
| 2.1 引言 | 第17页 |
| 2.2 RGB-D SLAM算法流程 | 第17-18页 |
| 2.3 相机成像模型 | 第18-21页 |
| 2.3.1 针孔模型 | 第18-20页 |
| 2.3.2 畸变模型 | 第20-21页 |
| 2.4 相机标定 | 第21-23页 |
| 2.5 相机位姿表示 | 第23-28页 |
| 2.5.1 李群与李代数 | 第23-26页 |
| 2.5.2 PnP求解 | 第26-28页 |
| 2.6 视觉SLAM算法性能评估指标 | 第28-29页 |
| 2.6.1 绝对轨迹误差 | 第28-29页 |
| 2.6.2 相对位姿误差 | 第29页 |
| 2.7 本章小结 | 第29-30页 |
| 3 基于点、线特征和GMS的视觉里程计算法研究 | 第30-57页 |
| 3.1 算法思想 | 第30页 |
| 3.2 预处理 | 第30-33页 |
| 3.2.1 深度图像修复 | 第31-32页 |
| 3.2.2 深度图像修复参数搜索 | 第32-33页 |
| 3.3 特征点检测与提取 | 第33-39页 |
| 3.3.1 点特征 | 第34-36页 |
| 3.3.2 线特征 | 第36-39页 |
| 3.4 特征精匹配 | 第39-44页 |
| 3.4.1 点特征精匹配算法 | 第39-41页 |
| 3.4.2 点特征精匹配实验对比分析 | 第41-43页 |
| 3.4.3 线特征精匹配算法 | 第43页 |
| 3.4.4 线特征精匹配实验对比分析 | 第43-44页 |
| 3.5 视觉里程计实验及分析 | 第44-56页 |
| 3.5.1 深度图像修复实验及分析 | 第45-46页 |
| 3.5.2 特征提取方法验证实验及分析 | 第46-48页 |
| 3.5.3 视觉里程计验证实验及分析 | 第48-56页 |
| 3.6 本章小结 | 第56-57页 |
| 4 基于YOLOv3的三维语义地图生成算法研究 | 第57-71页 |
| 4.1 算法思想 | 第57页 |
| 4.2 目标检测网络 | 第57-60页 |
| 4.2.1 边框回归 | 第59-60页 |
| 4.2.2 损失函数 | 第60页 |
| 4.3 三维点云语义分割 | 第60-64页 |
| 4.3.1 超体素聚类 | 第61-63页 |
| 4.3.2 面片筛选 | 第63-64页 |
| 4.3.3 物体分割 | 第64页 |
| 4.4 语义地图建立 | 第64-70页 |
| 4.4.1 目标检测实验及分析 | 第65-66页 |
| 4.4.2 语义地图实验及分析 | 第66-70页 |
| 4.5 本章小结 | 第70-71页 |
| 5 结束语 | 第71-73页 |
| 5.1 总结 | 第71-72页 |
| 5.2 进一步工作 | 第72-73页 |
| 致谢 | 第73-74页 |
| 参考文献 | 第74-80页 |
| 附录 | 第80页 |
| 攻读学位期间所发表的学术论文 | 第80页 |
| 攻读学位期间所获的主要奖项 | 第80页 |
