| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第11-17页 |
| 1.1 课题研究的背景和意义 | 第11-13页 |
| 1.2 国内外研究现状及分析 | 第13-16页 |
| 1.2.1 国外研究现状 | 第13-15页 |
| 1.2.2 国内研究现状 | 第15页 |
| 1.2.3 现状分析 | 第15-16页 |
| 1.3 课题的主要研究内容 | 第16-17页 |
| 第2章 Kinect 2.0 数据获取与标定 | 第17-27页 |
| 2.1 Kinect简介 | 第17-18页 |
| 2.2 Kinect 2.0 深度图像获取原理 | 第18-19页 |
| 2.3 Kinect 2.0 环境信息获取 | 第19页 |
| 2.4 Kinect摄像机标定 | 第19-24页 |
| 2.4.1 引言 | 第19-20页 |
| 2.4.2 摄像机标定方法 | 第20-22页 |
| 2.4.3 Kinect 2.0 的标定实验与结果 | 第22-24页 |
| 2.5 三维彩色点云获取 | 第24-25页 |
| 2.6 本章小结 | 第25-27页 |
| 第3章 基于RGB-D摄像机的 2D SLAM | 第27-39页 |
| 3.1 引言 | 第27-29页 |
| 3.2 ROS系统及主要工具介绍 | 第29-31页 |
| 3.2.1 ROS的基本介绍 | 第29页 |
| 3.2.2 IAI_Kinect2驱动 | 第29-30页 |
| 3.2.3 TF坐标变换 | 第30页 |
| 3.2.4 Rviz可视化平台 | 第30-31页 |
| 3.2.5 Gazebo仿真平台 | 第31页 |
| 3.3 Kinect 2.0 深度数据修复 | 第31-36页 |
| 3.3.1 Kinect 2.0 深度数据存在的问题 | 第31-33页 |
| 3.3.2 深度图像修复方法 | 第33-35页 |
| 3.3.3 实验验证 | 第35-36页 |
| 3.4 Gmapping与Hector SLAM算法 | 第36-38页 |
| 3.4.1 Gmapping算法基本原理 | 第36-37页 |
| 3.4.2 Hector SLAM算法基本原理 | 第37-38页 |
| 3.5 本章小结 | 第38-39页 |
| 第4章 基于RGB-D传感器的 3D SLAM | 第39-57页 |
| 4.1 引言 | 第39-40页 |
| 4.2 ORB算法 | 第40-44页 |
| 4.2.1 oFAST特征检测 | 第40-41页 |
| 4.2.2 rBRIEF特征描述 | 第41页 |
| 4.2.3 特征匹配算法对比实验 | 第41-44页 |
| 4.3 外点剔除与运动估计 | 第44-49页 |
| 4.3.1 运动估计方法 | 第44-45页 |
| 4.3.2 RANSAC算法 | 第45页 |
| 4.3.3 PROSAC算法 | 第45-47页 |
| 4.3.4 对比实验 | 第47-49页 |
| 4.4 三维点云匹配 | 第49-54页 |
| 4.4.1 点云匹配基本理论 | 第49页 |
| 4.4.2 ICP算法 | 第49-50页 |
| 4.4.3 改进的ICP算法 | 第50-52页 |
| 4.4.4 对比实验 | 第52-54页 |
| 4.5 闭环检测与图优化 | 第54-56页 |
| 4.5.1 引言 | 第54页 |
| 4.5.2 关键帧选取机制 | 第54-55页 |
| 4.5.3 闭环检测算法 | 第55页 |
| 4.5.4 图优化方法 | 第55-56页 |
| 4.6 本章小结 | 第56-57页 |
| 第5章 SLAM实验设计与分析 | 第57-65页 |
| 5.1 引言 | 第57页 |
| 5.2 基于Kinect的 2D SLAM实验 | 第57-62页 |
| 5.2.1 Gmapping算法实验 | 第57-59页 |
| 5.2.2 Gmapping仿真实验 | 第59-61页 |
| 5.2.3 Hector SLAM算法实验 | 第61页 |
| 5.2.4 2D SLAM实验分析 | 第61-62页 |
| 5.3 基于Kinect的 3D SLAM实验 | 第62-64页 |
| 5.4 本章小结 | 第64-65页 |
| 结论 | 第65-67页 |
| 参考文献 | 第67-72页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第72-74页 |
| 致谢 | 第74页 |
