室内轮式机器人RGB-D SLAM的研究
| 摘要 | 第6-7页 |
| ABSTRACT | 第7页 |
| 第1章 绪论 | 第10-14页 |
| 1.1 课题背景与研究意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-12页 |
| 1.3 论文主要研究内容与结构安排 | 第12-14页 |
| 第2章 RGB-D SLAM相关技术 | 第14-23页 |
| 2.1 RGB-D SLAM前端 | 第14-19页 |
| 2.1.1 Kinect成像原理 | 第14-16页 |
| 2.1.2 特征点提取 | 第16-17页 |
| 2.1.3 特征匹配 | 第17-18页 |
| 2.1.4 运动估计 | 第18-19页 |
| 2.2 RGB-D SLAM后端 | 第19-22页 |
| 2.2.1 扩展卡尔曼滤波方式 | 第19页 |
| 2.2.2 图优化方式 | 第19-21页 |
| 2.2.3 回环检测 | 第21-22页 |
| 2.3 本章小结 | 第22-23页 |
| 第3章 局部地图与鲁棒估计 | 第23-35页 |
| 3.1 问题分析 | 第23-24页 |
| 3.2 改进ORB特征 | 第24-27页 |
| 3.2.1 oFAST关键点检测 | 第24-25页 |
| 3.2.2 rBRIEF描述子 | 第25-26页 |
| 3.2.3 构建图像金字塔 | 第26页 |
| 3.2.4 特征评价 | 第26-27页 |
| 3.3 局部地图 | 第27-29页 |
| 3.4 鲁棒估计 | 第29-32页 |
| 3.4.1 RANSAC | 第30-31页 |
| 3.4.2 基于RANSAC的PnP | 第31-32页 |
| 3.5 仿真验证 | 第32-34页 |
| 3.5.1 实验平台 | 第32-33页 |
| 3.5.2 实验设置 | 第33-34页 |
| 3.6 本章小结 | 第34-35页 |
| 第4章 基于BA和位姿图的位姿优化 | 第35-47页 |
| 4.1 非线性优化 | 第35-36页 |
| 4.2 基于BA的位姿优化 | 第36-39页 |
| 4.2.1 bundle adjustment | 第36-37页 |
| 4.2.2 局部BA算法 | 第37-39页 |
| 4.3 基于关键帧与回环检测的位姿图优化 | 第39-45页 |
| 4.3.1 关键帧 | 第39-40页 |
| 4.3.2 基于关键帧的闭环检测 | 第40-43页 |
| 4.3.3 基于关键帧和回环检测的位姿图优化 | 第43-45页 |
| 4.4 仿真验证 | 第45-46页 |
| 4.5 本章小结 | 第46-47页 |
| 第5章 实验结果评价与分析 | 第47-55页 |
| 5.1 数据集 | 第47-48页 |
| 5.2 ICP轨迹对齐及误差评价 | 第48-50页 |
| 5.3 实验设置与分析 | 第50-54页 |
| 5.3.1 水平运动结果分析 | 第50-51页 |
| 5.3.2 室内场景结果分析 | 第51-52页 |
| 5.3.3 移动机器人结果分析 | 第52-53页 |
| 5.3.4 建图 | 第53页 |
| 5.3.5 实验对比与分析 | 第53-54页 |
| 5.4 本章小结 | 第54-55页 |
| 结论 | 第55-57页 |
| 参考文献 | 第57-60页 |
| 致谢 | 第60-61页 |
| 攻读硕士期间发表（含录用）的学术论文 | 第61页 |
