利用Kinect点云数据的室内未知环境自主定位
| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 引言 | 第13-23页 |
| 1.1 选题背景与意义 | 第13-14页 |
| 1.2 国内外研究现状 | 第14-19页 |
| 1.2.1 SLAM研究现状 | 第15-16页 |
| 1.2.2 V-SLAM研究现状 | 第16-17页 |
| 1.2.3 Kinect相机自主定位研究现状 | 第17-19页 |
| 1.3 研究内容 | 第19-22页 |
| 1.3.1 研究内容与方法 | 第19-21页 |
| 1.3.2 技术路线与文章结构 | 第21-22页 |
| 1.4 本章小结 | 第22-23页 |
| 第2章 Kienct相机预处理 | 第23-31页 |
| 2.1 RGB-D相机构造及应用 | 第23-25页 |
| 2.2 影像数据获取原理 | 第25-26页 |
| 2.3 相机的标定 | 第26-28页 |
| 2.4 影像融合 | 第28-30页 |
| 2.5 本章小结 | 第30-31页 |
| 第3章 Kinect传感器常用的定位算法 | 第31-41页 |
| 3.1 迭代近邻点算法 | 第31-33页 |
| 3.1.1 参考点集的确定 | 第31-32页 |
| 3.1.2 目标点集的确定 | 第32页 |
| 3.1.3 近邻点赋权 | 第32页 |
| 3.1.4 转换参数求解 | 第32页 |
| 3.1.5 迭代计算 | 第32-33页 |
| 3.2 同时定位与测图（SLAM）算法 | 第33-39页 |
| 3.2.1 特征提取 | 第33-36页 |
| 3.2.2 跟踪模型 | 第36-37页 |
| 3.2.3 地图生成 | 第37-38页 |
| 3.2.4 回环检测 | 第38-39页 |
| 3.3 当前算法存在的问题 | 第39-40页 |
| 3.4 本章小结 | 第40-41页 |
| 第4章 基于多特征扩展信息滤波的定位 | 第41-59页 |
| 4.1 信息空间和状态模型 | 第41-42页 |
| 4.1.1 系统信息空间 | 第41-42页 |
| 4.1.2 状态模型 | 第42页 |
| 4.2 关键帧数据的获取 | 第42-44页 |
| 4.3 序列影像跟踪 | 第44-45页 |
| 4.4 移动更新 | 第45-46页 |
| 4.4.1 信息向量更新 | 第45-46页 |
| 4.4.2 状态增广 | 第46页 |
| 4.5 多特征信息提取 | 第46-55页 |
| 4.5.1 点特征的提取 | 第46-47页 |
| 4.5.2 面特征提取 | 第47-55页 |
| 4.6 观测更新 | 第55-58页 |
| 4.6.1 点特征观测模型 | 第55-56页 |
| 4.6.2 面特征模型的构建 | 第56-57页 |
| 4.6.3 多特征扩展信息滤波模型 | 第57页 |
| 4.6.4 状态更新 | 第57-58页 |
| 4.7 RGB-D相机定位信息的获取 | 第58页 |
| 4.8 本章小结 | 第58-59页 |
| 第5章 实验分析 | 第59-78页 |
| 5.1 场景一实验结果 | 第59-68页 |
| 5.1.1 数据获取 | 第60-62页 |
| 5.1.2 多特征信息提取 | 第62-64页 |
| 5.1.3 定位结果 | 第64-66页 |
| 5.1.4 定位结果比较 | 第66-68页 |
| 5.2 场景二实验结果 | 第68-77页 |
| 5.2.1 数据获取 | 第68-70页 |
| 5.2.2 多特征观测模型构建 | 第70-73页 |
| 5.2.3 定位结果 | 第73-75页 |
| 5.2.4 定位结果比较 | 第75-77页 |
| 5.3 本章小结 | 第77-78页 |
| 第6章 总结与展望 | 第78-80页 |
| 6.1 研究工作总结 | 第78页 |
| 6.2 主要贡献与创新 | 第78页 |
| 6.3 研究展望 | 第78-80页 |
| 致谢 | 第80-82页 |
| 参考文献 | 第82-87页 |
| 附录 硕士期间论文发表情况 | 第87页 |
