| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-19页 |
| 1.1 课题背景与意义 | 第10-13页 |
| 1.2 国内外研究及发展状况 | 第13-17页 |
| 1.2.1 单目视觉里程计 | 第13-14页 |
| 1.2.2 立体视觉里程计 | 第14-17页 |
| 1.2.3 三维视觉里程计 | 第17页 |
| 1.3 本文研究课题与内容安排 | 第17-19页 |
| 第2章 三维摄像机和复眼摄像机系统特性 | 第19-23页 |
| 2.1 典型三维摄像机及特性 | 第19-21页 |
| 2.1.1 SR-3000 摄像机 | 第19-20页 |
| 2.1.2 Kinect 摄像机 | 第20-21页 |
| 2.2 复眼摄像机系统建立 | 第21-22页 |
| 2.3 小结 | 第22-23页 |
| 第3章 基于 RGB-D 三维视觉系统的运动估计方法 | 第23-34页 |
| 3.1 三维运动估计基本原理及实现方案 | 第23-24页 |
| 3.2 基于 SIFT 算法的图像特征点提取与初匹配 | 第24-31页 |
| 3.2.1 尺度空间极值检测 | 第25-26页 |
| 3.2.2 确定特征点的方向参数 | 第26-27页 |
| 3.2.3 生成 128 维特征向量 | 第27-28页 |
| 3.2.4 特征匹配 | 第28页 |
| 3.2.5 图像特征点提取与初匹配实验 | 第28-31页 |
| 3.3 基于 SIFT 算法的匹配效果分析 | 第31-32页 |
| 3.4 相邻帧运动估计方法基本实现分析 | 第32页 |
| 3.5 小结 | 第32-34页 |
| 第4章 基于改进 SIFT 算法的视觉里程计方法实现 | 第34-58页 |
| 4.1 改进误匹配剔除算法 | 第34-39页 |
| 4.1.1 基于双向一致性检查的误匹配剔除 | 第34-37页 |
| 4.1.2 基于颜色信息约束的特征匹配 | 第37-38页 |
| 4.1.3 基于 RANSAC 算法的特征点匹配优化 | 第38-39页 |
| 4.2 基于改进 SIFT 算法的三维运动估计实现原理 | 第39-42页 |
| 4.2.1 基于相邻场景匹配特征点集的运动估计 | 第41-42页 |
| 4.2.2 基于相邻帧三维点云数据和初始估计的高精度三维运动估计 | 第42页 |
| 4.3 改进 SIFT 算法匹配效果分析 | 第42-50页 |
| 4.3.1 旋转 30°两帧 | 第42-44页 |
| 4.3.2 平移 40cm 两帧 | 第44-46页 |
| 4.3.3 旋转 30°平移 40cm 两帧 | 第46-47页 |
| 4.3.4 SIFT 算法、SIFT-RANSAC 算法跟本文匹配算法效果对比 | 第47-50页 |
| 4.4 视觉里程计三维运动估计效果对比 | 第50-57页 |
| 4.4.1 平移三维运动估计 | 第50-53页 |
| 4.4.2 旋转三维运动估计 | 第53-57页 |
| 4.5 小结 | 第57-58页 |
| 第5章 基于自适应采样频率的视觉里程计方法实现 | 第58-69页 |
| 5.1 基于自适应频率的视觉里程计总体方案 | 第58-60页 |
| 5.2 自适应频率采样间隔方法 | 第60-63页 |
| 5.2.1 动态确定相邻帧场景之间的采样间隔 t | 第60-62页 |
| 5.2.2 自适应采样间隔调整策略 | 第62-63页 |
| 5.3 基于自适应采样间隔算法的视觉里程计实验分析 | 第63-65页 |
| 5.4 基于 TUM 数据库 rgbd-dataset 的视觉里程计轨迹模拟 | 第65-67页 |
| 5.5 小结 | 第67-69页 |
| 总结与展望 | 第69-71页 |
| 致谢 | 第71-72页 |
| 参考文献 | 第72-76页 |
| 附录 A 攻读学位期间所发表的学术论文 | 第76页 |
