| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第9-16页 |
| 1.1 研究的背景及意义 | 第9-10页 |
| 1.2 SLAM问题的研究现状 | 第10-14页 |
| 1.2.1 视觉传感器 | 第10-12页 |
| 1.2.2 图像特征的选取 | 第12-13页 |
| 1.2.3 SLAM问题求解方法 | 第13-14页 |
| 1.3 论文主要内容和结构框架 | 第14-16页 |
| 第二章 基于ORB特征的场景建模的研究 | 第16-31页 |
| 2.1 ORB特征点的提取和匹配 | 第16-18页 |
| 2.2 单目视觉的自动初始化方法 | 第18-22页 |
| 2.2.1 单目视觉的尺度问题由来 | 第18-20页 |
| 2.2.2 自动化初始方法 | 第20-22页 |
| 2.3 PnP求解位姿 | 第22-24页 |
| 2.4 场景地图的重建 | 第24-29页 |
| 2.4.1 特征点地图重建 | 第24-25页 |
| 2.4.2 半稠密地图重建 | 第25-29页 |
| 2.5 本章小结 | 第29-31页 |
| 第三章 基于图优化理论的后端优化的研究 | 第31-47页 |
| 3.1 SLAM中的状态估计及非线性优化问题 | 第31-37页 |
| 3.1.1 SLAM的数学模型 | 第31-32页 |
| 3.1.2 非线性优化问题 | 第32-34页 |
| 3.1.3 基于图的优化 | 第34-37页 |
| 3.2 捆绑集(Bundle Adjustment ,BA)优化 | 第37-41页 |
| 3.3 位姿图优化 | 第41-42页 |
| 3.4 g2o库求解图优化问题 | 第42-45页 |
| 3.5 本章小结 | 第45-47页 |
| 第四章 整体系统的实现 | 第47-56页 |
| 4.1 系统的整体结构 | 第47-50页 |
| 4.2 跟踪线程 | 第50-51页 |
| 4.3 优化线程 | 第51-52页 |
| 4.4 稠密重建线程 | 第52-53页 |
| 4.5 显示线程 | 第53-55页 |
| 4.6 本章小结 | 第55-56页 |
| 第五章 实验结果与分析 | 第56-69页 |
| 5.1 实验环境 | 第56页 |
| 5.2 自动初始化方法实验与分析 | 第56-58页 |
| 5.3 标准数据集实验与分析 | 第58-63页 |
| 5.4 自采集数据集实验与分析 | 第63-67页 |
| 5.5 本章小结 | 第67-69页 |
| 第六章 总结与展望 | 第69-72页 |
| 6.1 研究内容总结 | 第69-70页 |
| 6.2 创新点 | 第70页 |
| 6.3 展望 | 第70-72页 |
| 参考文献 | 第72-75页 |
| 攻读硕士学位期间的研究成果 | 第75-76页 |
| 致谢 | 第76-77页 |