| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第一章 绪论 | 第11-18页 |
| 1.1 研究背景和意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-15页 |
| 1.3 论文主要工作和创新点 | 第15-16页 |
| 1.3.1 论文主要工作 | 第15-16页 |
| 1.3.2 论文创新点 | 第16页 |
| 1.4 论文的结构安排 | 第16-18页 |
| 第二章 三维地图创建与定位关键技术及原理 | 第18-29页 |
| 2.1 机器人的位姿描述与坐标变换 | 第20-24页 |
| 2.2 三维视觉里程计的运动估计 | 第24-25页 |
| 2.3 三维地图创建与定位原理 | 第25-27页 |
| 2.3.1 三维地图创建原理 | 第25-26页 |
| 2.3.2 实时定位原理 | 第26-27页 |
| 2.4 数据获取和软件开发环境 | 第27-28页 |
| 2.4.1 数据获取 | 第27页 |
| 2.4.2 软件开发环境 | 第27-28页 |
| 2.5 小结 | 第28-29页 |
| 第三章 基于贝叶斯网格统计改进视觉特征匹配算法 | 第29-49页 |
| 3.1 图像中的特征 | 第29-35页 |
| 3.1.1 基于梯度直方图的局部描述子 | 第29-33页 |
| 3.1.2 基于二进制位串的局部描述子 | 第33-35页 |
| 3.2 传统特征匹配算法 | 第35-38页 |
| 3.2.1 基于特征区域的立体匹配算法 | 第36页 |
| 3.2.2 局部立体匹配算法 | 第36-37页 |
| 3.2.3 全局立体匹配算法 | 第37-38页 |
| 3.3 贝叶斯网格视觉特征算法 | 第38-42页 |
| 3.3.1 贝叶斯视觉建模 | 第38-40页 |
| 3.3.2 贝叶斯网格统计算法 | 第40-42页 |
| 3.4 融入贝叶斯网格统计的特征匹配算法 | 第42-46页 |
| 3.4.1 贝叶斯网格统计加速RANSAC算法 | 第42-43页 |
| 3.4.2 基于ICP的点云拼接算法 | 第43-46页 |
| 3.5 实验结果与分析 | 第46-47页 |
| 3.6 本章小结 | 第47-49页 |
| 第四章 光速平差法改进非线性SLAM状态估计 | 第49-60页 |
| 4.1 状态估计模型 | 第49-54页 |
| 4.1.1 状态估计概率模型 | 第50页 |
| 4.1.2 基于马尔科夫假设的线性系统 | 第50-53页 |
| 4.1.3 非线性系统的优化处理 | 第53-54页 |
| 4.2 基于光速平差法改进非线性状态估计 | 第54-58页 |
| 4.2.1 EFK存在的问题 | 第54-55页 |
| 4.2.2 光速平差法的代价函数和求解 | 第55-57页 |
| 4.2.3 稀疏性和边缘化 | 第57-58页 |
| 4.3 实验结果及分析 | 第58-59页 |
| 4.4 本章小结 | 第59-60页 |
| 第五章 基于关键帧的词袋回环检测算法 | 第60-70页 |
| 5.1 词袋算法 | 第61-63页 |
| 5.1.1 特征点字典创建 | 第61页 |
| 5.1.2 改进的聚类特征字典相似度计算 | 第61-63页 |
| 5.2 改进的关键帧词袋回环检测算法 | 第63-67页 |
| 5.2.1 基于信息熵的关键帧提取技术 | 第64-65页 |
| 5.2.2 基于信息熵的关键帧词袋构建 | 第65-67页 |
| 5.3 实验结果与分析 | 第67-68页 |
| 5.4 本章小结 | 第68-70页 |
| 第六章 基于三维视觉的SLAM技术的实验对比和分析 | 第70-78页 |
| 6.1 实验评估问题和测试数据集 | 第70-71页 |
| 6.2 特征匹配算法对比和分析 | 第71-72页 |
| 6.3 SLAM非线性优化算法对比与分析 | 第72-73页 |
| 6.4 回环检测算法对比与分析 | 第73-76页 |
| 6.5 三维地图创建结果对比与分析 | 第76-78页 |
| 第七章 总结与展望 | 第78-80页 |
| 7.1 本文研究总结 | 第78-79页 |
| 7.2 未来改进与展望 | 第79-80页 |
| 致谢 | 第80-81页 |
| 参考文献 | 第81-85页 |
| 攻读硕士期间取得的研究成果 | 第85页 |