结构化环境下的移动机器人的视觉SLAM研究
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-7页 |
| 第1章 绪论 | 第7-12页 |
| ·SLAM的定义和研究意义 | 第7页 |
| ·SLAM算法的组成 | 第7-10页 |
| ·传感器的选择 | 第8页 |
| ·状态估计 | 第8-9页 |
| ·数据关联 | 第9-10页 |
| ·地图的表示方式 | 第10页 |
| ·论文的内容和组织结构 | 第10-12页 |
| 第2章 视觉特征的提取 | 第12-21页 |
| ·总体结构 | 第12页 |
| ·图像预处理 | 第12-18页 |
| ·色度空间转换 | 第13-15页 |
| ·图像分割 | 第15-16页 |
| ·图像滤波——膨胀与腐蚀 | 第16-17页 |
| ·边缘提取 | 第17-18页 |
| ·特征信息的提取 | 第18-20页 |
| ·Hough变换 | 第18-19页 |
| ·分段直线提取算法 | 第19-20页 |
| ·小结 | 第20-21页 |
| 第3章 深度信息获取 | 第21-35页 |
| ·摄像机定标 | 第21-28页 |
| ·线性模型 | 第22-24页 |
| ·小孔模型 | 第24-25页 |
| ·线性模型摄像机定标 | 第25-28页 |
| ·单目摄像头深度信息获取 | 第28-31页 |
| ·Y方向距离计算 | 第29-30页 |
| ·X方向距离计算 | 第30-31页 |
| ·立体视觉的空间点重建 | 第31-34页 |
| ·极线约束 | 第32-33页 |
| ·立体匹配 | 第33-34页 |
| ·空间点重建 | 第34页 |
| ·小结 | 第34-35页 |
| 第4章 基于点特征的视觉SLAM算法 | 第35-49页 |
| ·视觉SLAM算法的总体结构 | 第35-36页 |
| ·KALMAN滤波算法简介 | 第36-39页 |
| ·Kalman滤波原理 | 第36-37页 |
| ·Kalman滤波的特点 | 第37-38页 |
| ·扩展Kalman滤波算法 | 第38-39页 |
| ·模型建立 | 第39-41页 |
| ·选取状态向量 | 第39页 |
| ·运动模型 | 第39-40页 |
| ·观测模型 | 第40-41页 |
| ·数据关联 | 第41页 |
| ·状态更新 | 第41-42页 |
| ·控制策略 | 第42-43页 |
| ·参数选取 | 第43-44页 |
| ·实验结果 | 第44-47页 |
| ·小结 | 第47-49页 |
| 第5章 基于线特征的视觉SLAM算法 | 第49-58页 |
| ·选取状态向量 | 第49-50页 |
| ·线特征的观测模型 | 第50-51页 |
| ·控制策略 | 第51页 |
| ·地图表示 | 第51-54页 |
| ·实验结果 | 第54-57页 |
| ·矩形环境 | 第54-55页 |
| ·办公室环境 | 第55-57页 |
| ·结果分析 | 第57页 |
| ·小结 | 第57-58页 |
| 第6章 总结与展望 | 第58-60页 |
| ·本文总结 | 第58页 |
| ·未来展望 | 第58-60页 |
| 参考文献 | 第60-63页 |
| 作者在攻读硕士期间发表(录用)的论文 | 第63-64页 |
| 致谢 | 第64页 |
