| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 课题研究背景与研究意义 | 第9-10页 |
| 1.2 国内外研究分析 | 第10-13页 |
| 1.2.1 国外研究综述 | 第10-12页 |
| 1.2.2 国内研究综述 | 第12-13页 |
| 1.3 论文主要内容与论文结构 | 第13-15页 |
| 第2章 视觉坐标系与相机模型基础 | 第15-26页 |
| 2.1 引言 | 第15页 |
| 2.2 坐标系定义与相互转换 | 第15-18页 |
| 2.2.1 像素坐标系 | 第15页 |
| 2.2.2 像平面坐标系 | 第15-16页 |
| 2.2.3 相机坐标系 | 第16页 |
| 2.2.4 世界坐标系 | 第16页 |
| 2.2.5 坐标系之间的转换 | 第16-18页 |
| 2.3 相机成像模型 | 第18-23页 |
| 2.3.1 针孔相机模型 | 第18-19页 |
| 2.3.2 Kinect相机与测量模型 | 第19-23页 |
| 2.4 Kinect相机标定 | 第23-25页 |
| 2.5 本章小结 | 第25-26页 |
| 第3章 视觉SLAM的特征检测匹配算法研究 | 第26-52页 |
| 3.1 引言 | 第26页 |
| 3.2 传统基于点特征的检测提取方法分析与改进 | 第26-33页 |
| 3.2.1 SIFT特征点检测算法 | 第26-27页 |
| 3.2.2 SURF特征点检测算法 | 第27页 |
| 3.2.3 ORB特征点检测算法 | 第27-28页 |
| 3.2.4 传统特征检测方法比较 | 第28-29页 |
| 3.2.5 传统特征检测提取方法分析与改进 | 第29-33页 |
| 3.3 特征点匹配方法 | 第33-36页 |
| 3.4 特征点误匹配剔除算法 | 第36-39页 |
| 3.4.1 最小距离误匹配剔除算法 | 第36-37页 |
| 3.4.2 结合RANSAC的KNN误匹配剔除算法 | 第37-39页 |
| 3.6 改进的特征点检测匹配实验 | 第39-51页 |
| 3.7 本章小结 | 第51-52页 |
| 第4章 机器人运动估计与位姿优化方法研究 | 第52-68页 |
| 4.1 引言 | 第52页 |
| 4.2 运动参数估计原理 | 第52-53页 |
| 4.3 ICP算法估计运动参数 | 第53-55页 |
| 4.4 视觉闭环检测策略与错误闭环剔除 | 第55-56页 |
| 4.5 位姿图优化 | 第56-60页 |
| 4.5.1 关键帧选取 | 第56页 |
| 4.5.2 图优化理论基础 | 第56-60页 |
| 4.6 点云拼接与地图构建 | 第60-61页 |
| 4.7 运动估计与图优化实验结果与数据分析 | 第61-67页 |
| 4.8 本章小结 | 第67-68页 |
| 第5章 机器人路径规划方法研究 | 第68-80页 |
| 5.1 引言 | 第68页 |
| 5.2 全局路径规划方法 | 第68-69页 |
| 5.2.1 自由空间法 | 第68页 |
| 5.2.2 A*算法 | 第68-69页 |
| 5.3 局部路径规划方法 | 第69页 |
| 5.3.1 人工势场法 | 第69页 |
| 5.3.2 蚁群优化算法 | 第69页 |
| 5.4 A*启发式算法原理与实现 | 第69-73页 |
| 5.4.1 A*算法基本原理 | 第69-71页 |
| 5.4.2 A*算法的实现 | 第71-73页 |
| 5.5 动态A*算法原理与实现 | 第73-76页 |
| 5.6 A*算法改进研究 | 第76-79页 |
| 5.7 本章小结 | 第79-80页 |
| 结论 | 第80-82页 |
| 参考文献 | 第82-87页 |
| 致谢 | 第87页 |