基于图优化的三维地图创建关键技术研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-19页 |
| 1.1 论文研究背景及意义 | 第10-11页 |
| 1.2 视觉SLAM研究内容及方法 | 第11-16页 |
| 1.2.1 基于滤波的SLAM研究方法 | 第13-14页 |
| 1.2.2 基于图优化的SLAM研究方法 | 第14-16页 |
| 1.3 国内外研究现状 | 第16-17页 |
| 1.4 本文研究内容及论文结构安排 | 第17-19页 |
| 1.4.1 本文研究内容 | 第17-18页 |
| 1.4.2 论文结构安排 | 第18-19页 |
| 第2章 系统软硬件平台 | 第19-25页 |
| 2.1 Kinect传感器简介 | 第19-23页 |
| 2.1.1 Kinect硬件结构及成像原理 | 第19-20页 |
| 2.1.2 数据获取与预处理 | 第20-23页 |
| 2.2 移动机器人简介 | 第23-24页 |
| 2.3 软件开发平台 | 第24页 |
| 2.4 本章小结 | 第24-25页 |
| 第3章 顺序数据关联的建立 | 第25-56页 |
| 3.1 基于特征匹配的三维运动估计 | 第25-36页 |
| 3.1.1 图像特征提取 | 第26-30页 |
| 3.1.2 图像特征描述 | 第30-31页 |
| 3.1.3 图像特征的精确匹配 | 第31-34页 |
| 3.1.4 位姿估计 | 第34-36页 |
| 3.2 基于ICP算法的三维运动估计 | 第36-43页 |
| 3.2.1 ICP算法基本原理 | 第37-38页 |
| 3.2.2 改进的ICP算法 | 第38-43页 |
| 3.3 相邻帧序列的局部优化 | 第43-45页 |
| 3.4 结合图像特征与三维点云的运动估计方法 | 第45-48页 |
| 3.5 运动估计的实验结果分析 | 第48-55页 |
| 3.5.1 基于特征匹配的运动估计方法验证_ | 第49-50页 |
| 3.5.2 改进ICP算法的实验结果 | 第50-52页 |
| 3.5.3 两种运动估计相结合的实验结果 | 第52-53页 |
| 3.5.4 局部优化后的运动估计实验结果 | 第53-55页 |
| 3.6 本章小结 | 第55-56页 |
| 第4章 基于视觉词袋的闭环检测 | 第56-68页 |
| 4.1 闭环检测及其难点 | 第56-58页 |
| 4.2 基于视觉词袋的图像相似性检测 | 第58-61页 |
| 4.2.1 视觉字典模型的建立 | 第58-60页 |
| 4.2.2 基于字典模型的图像相似性度量 | 第60-61页 |
| 4.3 闭环检测方法 | 第61-64页 |
| 4.3.1 关键帧提取 | 第61-62页 |
| 4.3.2 时间约束以及空间距离验证 | 第62-63页 |
| 4.3.3 闭环检测流程 | 第63-64页 |
| 4.4 闭环检测算法的实验验证 | 第64-67页 |
| 4.4.1 图像相似性验证 | 第64-65页 |
| 4.4.2 闭环检测效果验证 | 第65-67页 |
| 4.5 本章小结 | 第67-68页 |
| 第5章 全局优化 | 第68-77页 |
| 5.1 图优化问题概述 | 第68-69页 |
| 5.2 图优化问题的求解过程 | 第69-73页 |
| 5.2.1 优化问题的求解方法 | 第69-72页 |
| 5.2.2 节点间信息矩阵的确定 | 第72-73页 |
| 5.2.3 优化的实现 | 第73页 |
| 5.3 实验结果对比分析 | 第73-76页 |
| 5.3.1 基于实际数据的优化实验结果 | 第73-75页 |
| 5.3.2 基于基准数据集的实验结果 | 第75-76页 |
| 5.4 本章小结 | 第76-77页 |
| 总结与展望 | 第77-79页 |
| 参考文献 | 第79-84页 |
| 附录A 攻读学位期间发表的学术论文 | 第84-85页 |
| 致谢 | 第85页 |
