| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-22页 |
| 1.1 自主机器人导航概述 | 第10-11页 |
| 1.2 视觉导航 | 第11-13页 |
| 1.3 视觉SLAM | 第13-17页 |
| 1.3.1 基于滤波器的SLAM | 第14-16页 |
| 1.3.2 基于图优化的SLAM | 第16-17页 |
| 1.4 视觉SLAM中的闭环检测 | 第17-19页 |
| 1.4.1 视觉SLAM中闭环检测的基础 | 第17-18页 |
| 1.4.2 视觉SLAM中的闭环检测的发展 | 第18-19页 |
| 1.5 SLAM闭环检测的研究方向 | 第19-20页 |
| 1.6 论文的主要工作及内容组织形式 | 第20-22页 |
| 第2章 闭环检测中的特征提取与描述 | 第22-32页 |
| 2.1 局部特征提取与描述 | 第22-30页 |
| 2.1.1 SIFT特征原理与性能 | 第22-26页 |
| 2.1.2 KAZE特征原理与性能 | 第26-30页 |
| 2.1.3 二进制字符串特征描述子 | 第30页 |
| 2.2 单词的聚类生成 | 第30-31页 |
| 2.3 本章小结 | 第31-32页 |
| 第3章 视觉词袋模型下闭环检测方法与优化 | 第32-44页 |
| 3.1 闭环检测的视觉词袋模型 | 第32-34页 |
| 3.2 视觉闭环检测计算框架 | 第34-40页 |
| 3.2.1 基于概率的视觉闭环检测方法 | 第34-38页 |
| 3.2.2 图像相似性匹配的视觉闭环检测方法 | 第38-40页 |
| 3.3 视觉词典模型中的图像匹配优化 | 第40-42页 |
| 3.4 本章小结 | 第42-44页 |
| 第4章 实验结果与分析 | 第44-58页 |
| 4.1 实验环境 | 第44-45页 |
| 4.2 KAZE特征提取与图像匹配 | 第45-52页 |
| 4.2.1 City Center数据集中特征提取与匹配 | 第45-48页 |
| 4.2.2 FABMAP测试数据集中特征提取与匹配 | 第48-52页 |
| 4.3 闭环检测的实现与评价指标 | 第52-53页 |
| 4.4 采用KAZE特征对闭环检测算法的提升 | 第53-55页 |
| 4.5 本章小结 | 第55-58页 |
| 第5章 总结与展望 | 第58-60页 |
| 参考文献 | 第60-66页 |
| 攻读学位期间的科研成果 | 第66-67页 |
| 致谢 | 第67页 |