| 摘要 | 第4-6页 |
| abstract | 第6-7页 |
| 第一章 绪论 | 第12-18页 |
| 1.1 研究的意义和背景 | 第12-13页 |
| 1.2 视觉SLAM相关国内外研究概述 | 第13-16页 |
| 1.2.1 国外研究概述 | 第13-15页 |
| 1.2.2 国内研究概述 | 第15-16页 |
| 1.3 论文的内容和结构安排 | 第16-18页 |
| 1.3.1 主要工作 | 第16-17页 |
| 1.3.2 论文框架安排 | 第17-18页 |
| 第二章 单目SLAM算法概述 | 第18-28页 |
| 2.1 视觉SLAM的数学定义 | 第18-24页 |
| 2.1.1 三维刚体运动模型 | 第19-20页 |
| 2.1.2 观测模型 | 第20-23页 |
| 2.1.3 系统状态表示 | 第23-24页 |
| 2.2 基于特征的单目SLAM算法框架 | 第24-26页 |
| 2.2.1 视觉里程计 | 第24-25页 |
| 2.2.2 后端优化 | 第25-26页 |
| 2.2.3 回环检测 | 第26页 |
| 2.2.4 建图 | 第26页 |
| 2.3 本章小结 | 第26-28页 |
| 第三章 基于栅格的特征检测方法 | 第28-41页 |
| 3.1 SURF特征检测 | 第28-32页 |
| 3.1.1 积分图像 | 第28-29页 |
| 3.1.2 FAST-Hessian检测 | 第29-32页 |
| 3.2 基于栅格的SURF检测 | 第32-34页 |
| 3.3 实验结果及对比 | 第34-40页 |
| 3.3.1 检测结果比较 | 第34-38页 |
| 3.3.2 加入匹配结果的比较 | 第38-40页 |
| 3.4 本章小结 | 第40-41页 |
| 第四章 基于简化的FREAK模型的特征点匹配算法 | 第41-54页 |
| 4.1 FREAK算法 | 第41-44页 |
| 4.1.1 采样模型 | 第42页 |
| 4.1.2 由粗到细的描述方法 | 第42-43页 |
| 4.1.3 扫视搜索 | 第43-44页 |
| 4.1.4 方向 | 第44页 |
| 4.2 基于简化FREAK采样模型的改进算法 | 第44-48页 |
| 4.2.1 简化的视网膜采样模型 | 第45-46页 |
| 4.2.2 加入线性插值的描述子 | 第46-48页 |
| 4.2.3 方向计算 | 第48页 |
| 4.3 实验结果及分析 | 第48-53页 |
| 4.3.1 实时性对比 | 第48-49页 |
| 4.3.2 图像集中各图像匹配点的正确率比较 | 第49-51页 |
| 4.3.3 在各种变化图像匹配点的正确配率对比 | 第51-53页 |
| 4.4 本章小结 | 第53-54页 |
| 第五章 基于EKF算法的1点RANSAC算法的改进 | 第54-68页 |
| 5.1 相关RANSAC算法 | 第54-60页 |
| 5.1.1 RANSAC算法 | 第54-57页 |
| 5.1.2 基于EKF的1点RANSAC算法 | 第57-60页 |
| 5.2 基于EKF的1点RANSAC的改进算法 | 第60-61页 |
| 5.2.1 选取样本 | 第60-61页 |
| 5.2.2 假设模型估计 | 第61页 |
| 5.3 实验结果及分析 | 第61-67页 |
| 5.3.1 动态区域分解 | 第61-63页 |
| 5.3.2 位姿估计 | 第63-67页 |
| 5.4 本章小结 | 第67-68页 |
| 第六章 总结与展望 | 第68-70页 |
| 参考文献 | 第70-76页 |
| 致谢 | 第76-77页 |
| 在学期间的研究成果及发表的学术论文 | 第77页 |