| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第8-14页 |
| 1.1 课题研究背景及意义 | 第8-9页 |
| 1.2 视觉 SLAM 研究现状 | 第9-11页 |
| 1.2.1 国外研究现状 | 第9-11页 |
| 1.2.2 国内研究现状 | 第11页 |
| 1.3 视觉 SLAM 研究热点 | 第11-12页 |
| 1.4 本文主要研究内容 | 第12-13页 |
| 1.5 本文组织结构 | 第13-14页 |
| 第2章 视觉 SRUKF-SLAM 模型建立 | 第14-33页 |
| 2.1 视觉 SLAM 总体结构 | 第14页 |
| 2.2 视觉特征提取 | 第14-18页 |
| 2.2.1 视觉模型的建立 | 第15-16页 |
| 2.2.2 特征提取 | 第16-17页 |
| 2.2.3 特征畸变校正 | 第17-18页 |
| 2.3 卡尔曼滤波方法的选取 | 第18-21页 |
| 2.4 基于平方根无迹卡尔曼滤波的 SRUKF-SLAM | 第21-31页 |
| 2.4.1 系统状态表示及特征初始化 | 第22-26页 |
| 2.4.2 运动模型预测过程 | 第26-28页 |
| 2.4.3 观测模型观测过程 | 第28-31页 |
| 2.4.4 更新过程 | 第31页 |
| 2.5 本章小结 | 第31-33页 |
| 第3章 SRUKF-SLAM 算法优化设计 | 第33-40页 |
| 3.1 传统 SRUKF 滤波算法缺陷分析 | 第33-34页 |
| 3.1.1 数值误差来源分析 | 第33-34页 |
| 3.1.2 计算复杂度分析 | 第34页 |
| 3.2 基于修正牛顿法的 SRUKF 算法 | 第34-36页 |
| 3.3 SRUKF 计算复杂度优化 | 第36-38页 |
| 3.4 本章小结 | 第38-40页 |
| 第4章 地图构建系统 | 第40-46页 |
| 4.1 子图法地图融合系统结构 | 第40-42页 |
| 4.2 地图管理及子图建立 | 第42页 |
| 4.3 局部子图的融合 | 第42-45页 |
| 4.4 本章小结 | 第45-46页 |
| 第5章 实验结果与分析 | 第46-52页 |
| 5.1 实验方案研究 | 第46页 |
| 5.2 实验平台设计 | 第46-47页 |
| 5.3 实验结果与分析 | 第47-51页 |
| 5.3.1 机器人定位结果与分析 | 第48-50页 |
| 5.3.2 特征定位结果与分析 | 第50-51页 |
| 5.4 本章小结 | 第51-52页 |
| 结论 | 第52-53页 |
| 参考文献 | 第53-57页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第57-59页 |
| 致谢 | 第59页 |