摘要 | 第3-4页 |
abstract | 第4页 |
第一章 绪论 | 第8-13页 |
1.1 课题研究背景及研究意义 | 第8-9页 |
1.2 国内外研究现状 | 第9-12页 |
1.2.1 云机器人技术研究现状 | 第9-10页 |
1.2.2 RGB-DSLAM研究现状 | 第10-12页 |
1.3 本文主要内容及结构安排 | 第12-13页 |
第二章 Kinect平台及数据获取 | 第13-23页 |
2.1 Kinect传感器简介 | 第13-14页 |
2.2 Kinect数据获取原理 | 第14-17页 |
2.2.1 Kinect深度图像获取原理 | 第14-17页 |
2.2.2 Kinect环境信息的获取 | 第17页 |
2.3 Kinect摄像机标定 | 第17-23页 |
2.3.1 引言 | 第17页 |
2.3.2 Kinect摄像机标定原理 | 第17-21页 |
2.3.3 Kinect摄像机的标定 | 第21-23页 |
第三章 基于Kinect的RGB-DSLAM方法研究 | 第23-48页 |
3.1 SLAM问题描述及系统建模 | 第23-27页 |
3.1.1 SLAM问题描述 | 第23-24页 |
3.1.2 SLAM概率模型 | 第24-25页 |
3.1.3 移动机器人运动模型 | 第25-27页 |
3.2 RGB-DSLAM算法整体流程 | 第27-28页 |
3.3 RGB-DSLAM算法前端 | 第28-42页 |
3.3.1 特征检测与描述符提取 | 第28-38页 |
3.3.2 特征匹配 | 第38-39页 |
3.3.3 运动估计变换 | 第39-42页 |
3.3.4 运动变换优化过程 | 第42页 |
3.4 RGB-DSLAM算法后端 | 第42-48页 |
3.4.1 位姿图的初始化 | 第43-45页 |
3.4.2 闭环检测 | 第45-46页 |
3.4.3 位姿图的优化 | 第46-48页 |
第四章 针对原始RGB-DSLAM算法的改进 | 第48-61页 |
4.1 原RGB-DSLAM算法存在的不足 | 第48-49页 |
4.2 改进BRISK的特征检测与描述符提取 | 第49-53页 |
4.2.1 对BRISK算法改进的整体描述 | 第49页 |
4.2.2 特征检测 | 第49-50页 |
4.2.3 尺度因子的计算 | 第50-51页 |
4.2.4 特征点的总体模式主方向的确定 | 第51页 |
4.2.5 实验结果对比及分析 | 第51-53页 |
4.3 基于ICP与粒子滤波相结合的运动变换优化 | 第53-56页 |
4.3.1 粒子滤波建议分布的选择 | 第53-54页 |
4.3.2 抽样过程的改良 | 第54页 |
4.3.3 重采样过程 | 第54页 |
4.3.4 具体实现过程 | 第54-55页 |
4.3.5 实验结果及分析 | 第55-56页 |
4.4 基于HOG-Man的位姿图优化 | 第56-60页 |
4.4.1 HOG-Man多层次位姿图的构建 | 第56-57页 |
4.4.2 线性流形 | 第57-59页 |
4.4.3 实验结果及分析 | 第59-60页 |
4.5 整体算法的改进效果 | 第60-61页 |
第五章 结合云机器人的RGB-DSLAM的设计与实现 | 第61-71页 |
5.1 相关技术介绍 | 第61-62页 |
5.1.1 云平台概述 | 第61-62页 |
5.1.2 机器人操作系统 | 第62页 |
5.2 基于云机器人的RGB-DSLAM的设计与实现 | 第62-65页 |
5.2.1 需求分析 | 第62-63页 |
5.2.2 系统架构的设计与实现 | 第63-64页 |
5.2.3 ROS节点的设计与实现 | 第64-65页 |
5.3 云端地图数据的存储和共享 | 第65-66页 |
5.3.1 地图的存储 | 第65页 |
5.3.2 地图的共享 | 第65-66页 |
5.4 实验结果与分析 | 第66-71页 |
5.4.1 整体实验效果对比 | 第66-69页 |
5.4.2 性能对比 | 第69页 |
5.4.3 占用带宽分析 | 第69-71页 |
第六章 总结与展望 | 第71-72页 |
6.1 全文总结 | 第71页 |
6.2 工作展望 | 第71-72页 |
参考文献 | 第72-76页 |
个人简历 在读期间发表的学术论文 | 第76-77页 |
致谢 | 第77页 |