| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-19页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 风管机器人研究现状 | 第11-15页 |
| 1.2.1 国外风管机器人研究现状 | 第11-13页 |
| 1.2.2 国内风管机器人研究现状 | 第13-15页 |
| 1.3 机器人同时定位与地图创建现状 | 第15-18页 |
| 1.3.1 SLAM基本算法现状 | 第16-17页 |
| 1.3.2 立体视觉技术在SLAM中的发展与应用 | 第17-18页 |
| 1.4 论文的研究内容与结构安排 | 第18-19页 |
| 第2章 风管机器人双目立体视觉系统介绍 | 第19-33页 |
| 2.1 风管机器人工作环境与工作原理 | 第19-21页 |
| 2.1.1 风管机器人工作环境简介 | 第19-21页 |
| 2.2 摄像机成像模型 | 第21-26页 |
| 2.2.1 小孔成像模型 | 第21-24页 |
| 2.2.2 摄像机非线性成像模型 | 第24-25页 |
| 2.2.3 摄像机非线性成像模型畸变的校正 | 第25-26页 |
| 2.3 双目立体视觉原理 | 第26-30页 |
| 2.3.1 双目立体视觉模型 | 第26-28页 |
| 2.3.2 双目立体视觉中的极线几何关系 | 第28-29页 |
| 2.3.3 双目相机模型的极线校正 | 第29-30页 |
| 2.4 惯性导航系统模型 | 第30-31页 |
| 2.5 双目立体视觉SLAM系统结构 | 第31-32页 |
| 2.6 本章小结 | 第32-33页 |
| 第3章 特征点的提取与匹配 | 第33-50页 |
| 3.1 特征点提取算法 | 第33-40页 |
| 3.1.1 SIFT特征点提取 | 第33-37页 |
| 3.1.2 SURF算法特征点提取 | 第37-40页 |
| 3.1.3 FAST算法角点检测 | 第40页 |
| 3.2 特征点描述算子 | 第40-41页 |
| 3.3 ORB特征提取算法 | 第41-44页 |
| 3.3.1 ORB中改进FAST检测算子 | 第41-42页 |
| 3.3.2 ORB中改进BRIEF特征点描述 | 第42-44页 |
| 3.4 优化的ORB算法匹配策略 | 第44页 |
| 3.5 双目立体视觉消除误匹配 | 第44-49页 |
| 3.5.1 RANSAC算法 | 第44-46页 |
| 3.5.2 PROSAC算法 | 第46-48页 |
| 3.5.3 本文算法性能对比 | 第48-49页 |
| 3.6 本章小结 | 第49-50页 |
| 第4章 基于布谷鸟算法优化的平方根容积FastSLAM算法 | 第50-66页 |
| 4.1 传统FastSLAM算法简介 | 第50-51页 |
| 4.2 基于布谷鸟算法优化的平方根容积FastSALM | 第51-55页 |
| 4.2.1 机器人位姿估计 | 第51-54页 |
| 4.2.2 改进的布谷鸟搜索算法(CS)改善粒子分布 | 第54-55页 |
| 4.2.3 本文提出改进SLAM算法流程 | 第55页 |
| 4.3 本文改进FastSLAM算法仿真 | 第55-58页 |
| 4.4 本文改进FastSLAM算法实验研究：维多利亚公园数据集 | 第58-60页 |
| 4.5 双目立体视觉风管机器人实验研究 | 第60-65页 |
| 4.5.1 实验中风管机器人介绍 | 第60-62页 |
| 4.5.2 实验结果 | 第62-65页 |
| 4.6 本章小结 | 第65-66页 |
| 总结与展望 | 第66-68页 |
| 参考文献 | 第68-73页 |
| 致谢 | 第73-74页 |
| 附录A 攻读学位期间所发表的学术论文目录 | 第74页 |
