| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-22页 |
| 1.1 研究背景与意义 | 第10-11页 |
| 1.2 视觉里程计研究现状与进展 | 第11-20页 |
| 1.2.1 特征提取与特征匹配 | 第12-14页 |
| 1.2.2 异常值去除与运动估计 | 第14-17页 |
| 1.2.3 局部优化 | 第17-20页 |
| 1.3 本文的主要内容及工作安排 | 第20-22页 |
| 第二章 相机的位姿及其参数化方法 | 第22-34页 |
| 2.1 相机位姿 | 第22-26页 |
| 2.1.1 点在空间坐标系下的表示 | 第23-24页 |
| 2.1.2 旋转矩阵与变换矩阵 | 第24-26页 |
| 2.2 位姿的参数化描述 | 第26-33页 |
| 2.2.1 欧拉角参数化旋转矩阵 | 第27-29页 |
| 2.2.2 李群与李代数 | 第29-33页 |
| 2.3 本章小结 | 第33-34页 |
| 第三章 RGB-D相机模型及其内参数标定 | 第34-51页 |
| 3.1 KINECTV1传感器模型 | 第34-39页 |
| 3.1.1 KinectV1传感器硬件组成 | 第34-36页 |
| 3.1.2 KinectV1传感器成像原理 | 第36-39页 |
| 3.2 KINECTV1传感器内参数标定 | 第39-50页 |
| 3.2.1 相机标定流程 | 第39-41页 |
| 3.2.2 张氏标定算法 | 第41-43页 |
| 3.2.3 KinectV1便捷式标定程序 | 第43-47页 |
| 3.2.4 KinectV1相机标定实验 | 第47-50页 |
| 3.3 本章小结 | 第50-51页 |
| 第四章 基于G-ICP算法的RGB-D视觉里程计 | 第51-68页 |
| 4.1 RGB-D视觉里程计总体位姿估计流程 | 第51-52页 |
| 4.2 基于G-ICP算法的相对位姿估计 | 第52-61页 |
| 4.2.1 G-ICP算法流程 | 第52-54页 |
| 4.2.2 基于李代数参数化的G-ICP求解算法 | 第54-57页 |
| 4.2.3 李代数参数化下G-ICP算法的求解性能分析 | 第57-59页 |
| 4.2.4 点云降采样 | 第59-61页 |
| 4.3 特征点法位姿估计 | 第61-65页 |
| 4.3.1 网格特征匹配与误匹配去除 | 第62-63页 |
| 4.3.2 PnP算法与内点数计算 | 第63-65页 |
| 4.4 弱纹理场景里程计实验分析 | 第65-66页 |
| 4.5 本章小结 | 第66-68页 |
| 第五章 视觉里程计实际场景运行实验 | 第68-74页 |
| 5.1 视觉里程计运行环境 | 第68页 |
| 5.2 实验室场景实验分析 | 第68-70页 |
| 5.3 窄过道场景实验分析 | 第70-73页 |
| 5.4 本章小结 | 第73-74页 |
| 总结与展望 | 第74-76页 |
| 参考文献 | 第76-82页 |
| 攻读硕士学位期间取得的研究成果 | 第82-83页 |
| 致谢 | 第83-84页 |
| 附件 | 第84页 |