摘要 | 第4-5页 |
Abstract | 第5-6页 |
第1章 绪论 | 第10-17页 |
1.1 课题来源研究背景及意义 | 第10-12页 |
1.1.1 课题来源 | 第10页 |
1.1.2 课题研究背景 | 第10-11页 |
1.1.3 课题研究意义 | 第11-12页 |
1.2 国内外研究现状 | 第12-15页 |
1.2.1 基于尺度空间不变特征的SLAM研究 | 第12-14页 |
1.2.2 SLAM算法的研究 | 第14-15页 |
1.2.3 研究现状简析 | 第15页 |
1.3 研究内容 | 第15-17页 |
第2章 球面SIFT特征点提取与匹配 | 第17-32页 |
2.1 引言 | 第17页 |
2.2 全景相机投影模型 | 第17-20页 |
2.2.1 正向投影 | 第18-19页 |
2.2.2 逆向投影 | 第19页 |
2.2.3 图像与球面映射 | 第19-20页 |
2.3 球面尺度空间 | 第20-24页 |
2.3.1 球面尺度空间的构建 | 第21-22页 |
2.3.2 球面傅里叶变换 | 第22-23页 |
2.3.3 尺度空间球面DoG | 第23-24页 |
2.4 球面SIFT算法 | 第24-28页 |
2.4.1 极值提取 | 第24-25页 |
2.4.2 特征描述子构建 | 第25-27页 |
2.4.3 球面SIFT算法流程 | 第27-28页 |
2.5 传统SIFT和球面SIFT比较 | 第28-31页 |
2.6 本章小结 | 第31-32页 |
第3章SIFT特征点三维重构 | 第32-43页 |
3.1 引言 | 第32页 |
3.2 全景相机投影数学模型 | 第32-33页 |
3.2.1 外定位和相对定位 | 第32-33页 |
3.2.2 内定位 | 第33页 |
3.3 全景立体视觉标定方法 | 第33-37页 |
3.3.1 图像角点特征提取 | 第33-35页 |
3.3.2 基于奇异值分解的内参初始估计 | 第35-36页 |
3.3.3 标定流程概述 | 第36-37页 |
3.4 三维平面特征建模及检测方法 | 第37-42页 |
3.4.1 特征点三维信息获取 | 第37-39页 |
3.4.2 平面特征建模 | 第39-40页 |
3.4.3 基于RANSAC算法平面及其特征的检测方法 | 第40-42页 |
3.5 本章小结 | 第42-43页 |
第4章 基于全景立体视觉系统的三维地图构建 | 第43-54页 |
4.1 引言 | 第43页 |
4.2 SLAM问题解决方案 | 第43-46页 |
4.2.1 SLAM问题概述 | 第43页 |
4.2.2 扩展卡尔曼滤波 | 第43-45页 |
4.2.3 双目视觉SLAM系统 | 第45-46页 |
4.3 运动与观测模型 | 第46-49页 |
4.3.1 运动模型与预测 | 第46-48页 |
4.3.2 观测模型与更新 | 第48-49页 |
4.4 数据关联与地图管理 | 第49-52页 |
4.4.1 数据关联问题 | 第49-51页 |
4.4.2 局部地图初始化与更新 | 第51-52页 |
4.5 整体算法流程 | 第52-53页 |
4.6 本章小结 | 第53-54页 |
第5章 算法验证实验 | 第54-70页 |
5.1 引言 | 第54页 |
5.2 立体全景视觉系统的标定实验 | 第54-59页 |
5.2.1 相机内、外参数的初始化 | 第54-55页 |
5.2.2 相机参数精细化估计 | 第55-56页 |
5.2.3 盒约束与无约束优化方法比较 | 第56-58页 |
5.2.4 标定方法比较 | 第58-59页 |
5.3 球面不变图像特征的提取及匹配实验 | 第59-64页 |
5.3.1 球面SIFT特征点提取 | 第60-61页 |
5.3.2 球面SIFT图像匹配 | 第61-62页 |
5.3.3 基于SIFT特征描述子的三维重构 | 第62-64页 |
5.4 3D SLAM算法验证实验 | 第64-69页 |
5.4.1 基于手持相机的地图构建 | 第64-65页 |
5.4.2 基于机器人平台地图构建 | 第65-68页 |
5.4.3 SLAM性能测试 | 第68-69页 |
5.5 本章小结 | 第69-70页 |
结论 | 第70-71页 |
参考文献 | 第71-75页 |
攻读学位期间发表过的学术论文 | 第75-77页 |
致谢 | 第77页 |