面向动态环境的移动机器人视觉SLAM算法研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 引言 | 第10-12页 |
| 1.2 视觉SLAM算法研究现状 | 第12-14页 |
| 1.3 论文主要研究内容 | 第14-16页 |
| 第二章 轻量化SLAM算法研究 | 第16-33页 |
| 2.1 引言 | 第16页 |
| 2.2 视觉SLAM前端算法分析 | 第16-17页 |
| 2.3 NEON指令集加速特征提取与描述 | 第17-22页 |
| 2.3.1 NEON指令集加速原理 | 第17-18页 |
| 2.3.2 特征提取与特征描述算法加速方法研究 | 第18-21页 |
| 2.3.2.1 特征提取算法加速 | 第18-19页 |
| 2.3.2.2 特征描述算法加速方法研究 | 第19-21页 |
| 2.3.3 实验分析 | 第21-22页 |
| 2.4 局部地图构建算法研究 | 第22-29页 |
| 2.4.1 局部地图构建算法 | 第22-25页 |
| 2.4.2 实验分析 | 第25-29页 |
| 2.5 视觉SLAM前端多线程设计 | 第29-32页 |
| 2.6 本章小结 | 第32-33页 |
| 第三章 视觉SLAM地图点管理方法研究 | 第33-45页 |
| 3.1 引言 | 第33页 |
| 3.2 视觉SLAM地图初始化算法研究 | 第33-39页 |
| 3.2.1 双目相机的误差模型 | 第33-36页 |
| 3.2.2 视觉SLAM地图初始化算法 | 第36-39页 |
| 3.3 视觉SLAM三维点管理算法研究 | 第39-43页 |
| 3.3.1 视觉SLAM三维点精度重要性分析 | 第39-40页 |
| 3.3.2 视觉SLAM三维点管理算法 | 第40-42页 |
| 3.3.2.1 视觉SLAM三维点的深度融合 | 第41页 |
| 3.3.2.2 视觉SLAM三维点管理算法设计 | 第41-42页 |
| 3.3.3 实验分析 | 第42-43页 |
| 3.4 本章小结 | 第43-45页 |
| 第四章 IMU融合视觉SLAM算法研究 | 第45-58页 |
| 4.1 引言 | 第45-46页 |
| 4.2 IMU解算位姿方法研究 | 第46-53页 |
| 4.2.1 IMU测量值的数值积分 | 第46-47页 |
| 4.2.2 IMU初始化算法研究 | 第47-50页 |
| 4.2.2.1 基于双目相机的IMU初始化算法 | 第47-49页 |
| 4.2.2.2 陀螺仪零点漂移的标定 | 第49页 |
| 4.2.2.3 初速度和重力加速度的求解 | 第49-50页 |
| 4.2.3 实验分析 | 第50-53页 |
| 4.3 IMU估计帧间运动 | 第53-56页 |
| 4.3.1 帧间运动初始估计方法分析 | 第53-56页 |
| 4.3.2 实验分析 | 第56页 |
| 4.4 本章小结 | 第56-58页 |
| 第五章 面向动态环境SLAM算法的实验研究 | 第58-70页 |
| 5.1 引言 | 第58页 |
| 5.2 实验平台 | 第58-62页 |
| 5.2.1 硬件平台 | 第58-60页 |
| 5.2.1.1 移动机器人平台 | 第58-59页 |
| 5.2.1.2 传感器测量系统 | 第59-60页 |
| 5.2.2 软件平台 | 第60-62页 |
| 5.3 面向动态环境SLAM算法的实时性分析 | 第62-63页 |
| 5.4 面向动态环境SLAM算法的定位精度分析 | 第63-69页 |
| 5.4.1 EuRoC数据集测试精度 | 第63-67页 |
| 5.4.2 室内环境测试 | 第67-69页 |
| 5.4.3 室外环境测试 | 第69页 |
| 5.5 本章小结 | 第69-70页 |
| 第六章 总结与展望 | 第70-72页 |
| 参考文献 | 第72-76页 |
| 致谢 | 第76-77页 |
| 攻读学位期间发表的学术论文目录 | 第77页 |
