面向室内机器人应用的立体视觉SLAM系统设计
| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7页 |
| 1 引言 | 第11-16页 |
| 1.1 选题背景与研究意义 | 第11-13页 |
| 1.1.1 人工智能和智能机器人 | 第11-12页 |
| 1.1.2 智能机器人环境探索 | 第12-13页 |
| 1.2 自主定位和环境探索机器人的研究 | 第13-14页 |
| 1.3 研究内容 | 第14-15页 |
| 1.4 论文结构安排 | 第15-16页 |
| 2 面向机器人应用的立体视觉SLAM系统 | 第16-23页 |
| 2.1 系统定义与意义 | 第16-17页 |
| 2.2 系统评价要素 | 第17-18页 |
| 2.3 基于立体视觉的SLAM研究现状 | 第18-20页 |
| 2.3.1 计算机立体视觉技术 | 第18-19页 |
| 2.3.2 视觉SLAM技术 | 第19-20页 |
| 2.4 发展方向和前景 | 第20-21页 |
| 2.4.1 技术研究 | 第20-21页 |
| 2.4.2 应用领域 | 第21页 |
| 2.5 本章小结 | 第21-23页 |
| 3 双目视觉与KINECT | 第23-37页 |
| 3.1 双目视觉 | 第23-32页 |
| 3.1.1 图像采集 | 第25-26页 |
| 3.1.2 图像标定 | 第26-29页 |
| 3.1.3 图像校正 | 第29-31页 |
| 3.1.4 立体匹配 | 第31页 |
| 3.1.5 深度图和三维重建 | 第31-32页 |
| 3.2 KINECT | 第32-33页 |
| 3.3 技术比较与实验 | 第33-35页 |
| 3.4 实验结论 | 第35-36页 |
| 3.5 本章小结 | 第36-37页 |
| 4 基于RGBD相机的SLAM算法 | 第37-50页 |
| 4.1 图像采集与校正 | 第37-38页 |
| 4.2 特征提取 | 第38-44页 |
| 4.2.1 特征点简介 | 第38-39页 |
| 4.2.2 SURF特征点 | 第39-44页 |
| 4.3 特征匹配 | 第44-45页 |
| 4.4 位置计算 | 第45-46页 |
| 4.5 后端优化 | 第46-49页 |
| 4.5.1 关键帧处理 | 第46-47页 |
| 4.5.2 后端优化理论 | 第47-49页 |
| 4.6 本章小结 | 第49-50页 |
| 5 机器人SLAM系统设计 | 第50-61页 |
| 5.1 系统框架 | 第50页 |
| 5.2 分步骤实验 | 第50-54页 |
| 5.2.1 图像采集、标定与校正 | 第50-52页 |
| 5.2.2 特征提取与匹配 | 第52-54页 |
| 5.2.3 位置计算 | 第54页 |
| 5.3 系统实验 | 第54-59页 |
| 5.3.1 定量测评 | 第54-58页 |
| 5.3.2 场景应用实验 | 第58-59页 |
| 5.4 本章总结 | 第59-61页 |
| 6 结论 | 第61-63页 |
| 6.1 工作总结 | 第61页 |
| 6.2 工作展望 | 第61-63页 |
| 参考文献 | 第63-66页 |
| 作者简历及攻读硕士学位期间取得的研究成果 | 第66-68页 |
| 学位论文数据集 | 第68页 |
