| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第9-21页 |
| 1.1 课题研究背景 | 第9-11页 |
| 1.2 SLAM研究现状 | 第11-19页 |
| 1.2.1 视觉传感器的研究现状 | 第11-15页 |
| 1.2.2 视觉SLAM研究现状 | 第15-19页 |
| 1.3 课题研究内容 | 第19-21页 |
| 第2章 RGB-D图像获取及其特征点提取与匹配 | 第21-33页 |
| 2.1 Kinect相机的工作原理 | 第21-23页 |
| 2.2 基于RGB-D图像的特征点提取与匹配 | 第23-27页 |
| 2.2.1 RGB-D图像特点 | 第23页 |
| 2.2.2 特征点的降噪处理 | 第23-25页 |
| 2.2.3 特征点的提取与匹配 | 第25-27页 |
| 2.3 特征点提取与匹配的实验验证及分析 | 第27-32页 |
| 2.3.1 筛除误匹配 | 第27-28页 |
| 2.3.2 特征点的降噪处理和匹配 | 第28-32页 |
| 2.4 本章小结 | 第32-33页 |
| 第3章 基于非线性优化的视觉SLAM求解算法 | 第33-45页 |
| 3.1 李群和李代数 | 第33-36页 |
| 3.1.1 三维空间中物体的位置与姿态变换 | 第33页 |
| 3.1.2 李群和李代数 | 第33-36页 |
| 3.2 SLAM的方程表述及其非线性优化 | 第36-40页 |
| 3.2.1 SLAM非参数化模型 | 第36页 |
| 3.2.2 非线性最小二乘的引出 | 第36-38页 |
| 3.2.3 非线性优化求解SLAM方程 | 第38-40页 |
| 3.3 基于Bundle Adjustment全局优化以及求解 | 第40-43页 |
| 3.3.1 代价函数 | 第41页 |
| 3.3.2 稀疏的最小二乘问题 | 第41-43页 |
| 3.4 非线性优化求解SLAM问题的实验验证及分析 | 第43-44页 |
| 3.5 本章小结 | 第44-45页 |
| 第4章 基于BoW词袋方法的回环检测 | 第45-52页 |
| 4.1 回环检测的意义及其评价方法 | 第45-47页 |
| 4.1.1 回环检测的意义 | 第45-46页 |
| 4.1.2 回环检测的评价方法 | 第46-47页 |
| 4.2 Bo W词袋模型 | 第47-50页 |
| 4.2.1 Bo W词袋模型的概念 | 第47-48页 |
| 4.2.2 字典的结构 | 第48-50页 |
| 4.3 Bo W相似度计算 | 第50-51页 |
| 4.4 回环检测的实验验证及分析 | 第51页 |
| 4.5 本章小结 | 第51-52页 |
| 第5章 基于RGB-D-SLAM的地图构建 | 第52-60页 |
| 5.1 建图的需求 | 第52页 |
| 5.2 RGB-D稠密点云建图 | 第52-54页 |
| 5.3 八叉树地图 | 第54-55页 |
| 5.4 构建三维地图实验验证及分析 | 第55-59页 |
| 5.4.1 系统组成 | 第56页 |
| 5.4.2 Computer Vision Group RGB-D数据集 | 第56-58页 |
| 5.4.3 实际应用场景 | 第58-59页 |
| 5.5 本章小结 | 第59-60页 |
| 结论 | 第60-62页 |
| 参考文献 | 第62-67页 |
| 致谢 | 第67页 |
