| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 课题研究背景及意义 | 第9-10页 |
| 1.2 研究现状 | 第10-13页 |
| 1.2.1 三维地图创建技术 | 第10-11页 |
| 1.2.2 物品识别技术 | 第11-12页 |
| 1.2.3 机器人分散模块化技术分析 | 第12-13页 |
| 1.3 论文的研究内容与结构安排 | 第13-15页 |
| 1.3.1 主要研究内容 | 第13页 |
| 1.3.2 论文结构安排 | 第13-15页 |
| 第2章 硬件平台介绍 | 第15-23页 |
| 2.1 先锋3移动机器人平台 | 第15-16页 |
| 2.1.1 硬件体系 | 第15-16页 |
| 2.1.2 软件体系 | 第16页 |
| 2.2 Kinect传感器 | 第16-22页 |
| 2.2.1 相机模型 | 第17-18页 |
| 2.2.2 世界、摄像机与图像坐标系变换关系 | 第18-21页 |
| 2.2.3 Kinect相机位姿表示及投影模型 | 第21-22页 |
| 2.3 运算平台 | 第22页 |
| 2.3.1 运算平台的硬件配置 | 第22页 |
| 2.3.2 软件环境 | 第22页 |
| 2.4 本章小结 | 第22-23页 |
| 第3章 基于卷积深度学习的三维地图创建与识别 | 第23-45页 |
| 3.1 基于RGB-D相机的三维地图创建方法 | 第23-32页 |
| 3.1.1 特征提取与匹配 | 第24-28页 |
| 3.1.2 基于深度优先的深度图像优化 | 第28-30页 |
| 3.1.3 基于特征点对的ICP算法 | 第30-31页 |
| 3.1.4 关键帧选取 | 第31-32页 |
| 3.2 基于卷积深度学习的图像识别 | 第32-39页 |
| 3.2.1 卷积神经网络 | 第32-37页 |
| 3.2.2 图像识别模型 | 第37-39页 |
| 3.3 实验结果 | 第39-43页 |
| 3.4 本章小结 | 第43-45页 |
| 第4章 基于分散模块化技术的同时三维重建与物体识别 | 第45-55页 |
| 4.1 机器人中间件 | 第45-49页 |
| 4.1.1 通用对象请求代理 | 第45-47页 |
| 4.1.2 机器人模块 | 第47-49页 |
| 4.2 同时场景物体识别与三维地图重建系统实现 | 第49-51页 |
| 4.2.1 模块化系统结构 | 第50页 |
| 4.2.2 同步标识 | 第50-51页 |
| 4.3 实验结果 | 第51-53页 |
| 4.4 本章小结 | 第53-55页 |
| 第5章 实验结果与分析 | 第55-61页 |
| 5.1 环境三维信息重建进程 | 第55-56页 |
| 5.2 基于卷积深度学习模型的识别进程 | 第56-58页 |
| 5.3 基于分散模块化技术的同时场景识别与重建 | 第58-60页 |
| 5.4 本章小结 | 第60-61页 |
| 总结 | 第61-63页 |
| 参考文献 | 第63-67页 |
| 攻读硕士学位期间所发表的学术论文 | 第67-69页 |
| 致谢 | 第69页 |