基于Kinect和词袋模型的室内移动机器人同步定位与地图构建的研究
| 摘要 | 第2-3页 |
| Abstract | 第3-4页 |
| 第一章 绪论 | 第8-17页 |
| 1.1 课题来源及研究的背景和意义 | 第8-10页 |
| 1.1.1 课题来源 | 第8页 |
| 1.1.2 课题研究背景和意义 | 第8-10页 |
| 1.2 移动机器人SLAM的国内外发展现状 | 第10-14页 |
| 1.2.1 国内外研究现状 | 第11-12页 |
| 1.2.2 基于滤波的SLAM实现方法的概述 | 第12-14页 |
| 1.2.3 基于图优化的SLAM实现方法概述 | 第14页 |
| 1.3 基于深度传感器的SLAM研究现状 | 第14-15页 |
| 1.3.1 RGB-DSLAM技术研究现状 | 第14-15页 |
| 1.4 本文的主要研究内容和章节安排 | 第15-17页 |
| 第二章 Kinect数据获取与预处理 | 第17-30页 |
| 2.1 引言 | 第17-18页 |
| 2.2 RGB-D相机介绍 | 第18-24页 |
| 2.2.1 Kinect硬件组成 | 第18-20页 |
| 2.2.2 Kinect的相机模型 | 第20-22页 |
| 2.2.3 Kinect的深度测量原理 | 第22-24页 |
| 2.3 Kinect的标定配准 | 第24-27页 |
| 2.4 Kinect的数据采集与点云生成 | 第27-28页 |
| 2.5 基于Kinect的SLAM框架 | 第28-29页 |
| 2.6 本章小结 | 第29-30页 |
| 第三章 图像配准方法 | 第30-39页 |
| 3.1 特征点法 | 第30-32页 |
| 3.2 特征提取算法简单实验对比分析 | 第32-34页 |
| 3.3 图像特征点的匹配原理 | 第34-37页 |
| 3.3.1 特征的精确匹配 | 第35-37页 |
| 3.4 帧间相对运动估计 | 第37页 |
| 3.5 视觉里程计 | 第37-38页 |
| 3.6 本章小结 | 第38-39页 |
| 第四章 回环检测与图优化方法 | 第39-49页 |
| 4.1 回环检测 | 第39-44页 |
| 4.1.1 回环检测的意义 | 第39-40页 |
| 4.1.2 回环检测的方法 | 第40-42页 |
| 4.1.3 袋模型的建立 | 第42-44页 |
| 4.1.4 场景相似度计算 | 第44页 |
| 4.1.5 检测回环与验证 | 第44页 |
| 4.2 图优化 | 第44-48页 |
| 4.2.1 图优化问题数学推到 | 第45-47页 |
| 4.2.2 图优化的优化实验 | 第47-48页 |
| 4.3 本章小结 | 第48-49页 |
| 第五章 系统实验与分析 | 第49-57页 |
| 5.1 引言 | 第49页 |
| 5.2 实验平台的搭建 | 第49-51页 |
| 5.2.1 实验硬件平台搭建 | 第49-50页 |
| 5.2.2 实验平台的软件 | 第50-51页 |
| 5.3 软件开发的依赖 | 第51页 |
| 5.4 标准数据实验与分析 | 第51-54页 |
| 5.4.1 基于数据集的实验 | 第51-52页 |
| 5.4.2 基于Kinect现实场景实验 | 第52-54页 |
| 5.5 误差分析 | 第54-56页 |
| 5.6 本章小结 | 第56-57页 |
| 第六章 结论与展望 | 第57-58页 |
| 6.1 课题研究内容总结 | 第57页 |
| 6.2 研究展望 | 第57-58页 |
| 参考文献 | 第58-63页 |
| 攻读硕士学位期间发表的学术论文 | 第63-64页 |
| 致谢 | 第64-66页 |
