| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-13页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-11页 |
| 1.2.1 国外研究现状 | 第10页 |
| 1.2.2 国内研究现状 | 第10-11页 |
| 1.3 主要研究内容 | 第11-12页 |
| 1.4 论文的组织结构 | 第12-13页 |
| 第二章 基于视觉的SLAM基本原理和方法 | 第13-21页 |
| 2.1 SLAM问题的一般定义 | 第13-15页 |
| 2.1.1 传感器的类型 | 第13-14页 |
| 2.1.2 SLAM问题的描述 | 第14-15页 |
| 2.2 SLAM问题的方法 | 第15-18页 |
| 2.2.1 基于EKF的SLAM方法 | 第15-16页 |
| 2.2.2 基于粒子滤波的SLAM方法 | 第16-17页 |
| 2.2.3 基于图优化的SLAM方法 | 第17-18页 |
| 2.3 基于视觉的SLAM框架 | 第18-20页 |
| 2.4 本章小结 | 第20-21页 |
| 第三章 基于RGB-D相机的三维场景建模 | 第21-39页 |
| 3.1 参考坐标系 | 第21-24页 |
| 3.1.1 图像像素坐标系与图像物理坐标系的转换 | 第22页 |
| 3.1.2 图像物理坐标系与相机坐标系的转换 | 第22-23页 |
| 3.1.3 相机坐标系与世界坐标系的转换 | 第23-24页 |
| 3.2 RGB-D相机配准和标定 | 第24-27页 |
| 3.2.1 RGB-D相机配准 | 第24-25页 |
| 3.2.2 相机标定 | 第25-27页 |
| 3.3 图像特征提取 | 第27-34页 |
| 3.3.1 Harris特征提取算法 | 第27-28页 |
| 3.3.2 SIFT特征提取算法 | 第28-30页 |
| 3.3.3 SURF特征提取算法 | 第30-31页 |
| 3.3.4 FAST特征提取算法 | 第31-32页 |
| 3.3.5 基于自适应的区域分割ORB特征提取算法 | 第32-34页 |
| 3.4 特征匹配 | 第34-36页 |
| 3.5 基于ICP算法的点云数据融合 | 第36-39页 |
| 第四章 基于BoVW模型的闭环检测 | 第39-50页 |
| 4.1 闭环检测的作用及方法 | 第39-41页 |
| 4.2 闭环检测中的问题及难点 | 第41-42页 |
| 4.3 基于BoVW模型的闭环检测 | 第42-49页 |
| 4.3.1 字典的创建 | 第42-45页 |
| 4.3.2 改进的K-Means聚类算法 | 第45-48页 |
| 4.3.3 相似度计算 | 第48-49页 |
| 4.4 本章小结 | 第49-50页 |
| 第五章 实验设计及结果分析 | 第50-57页 |
| 5.1 实验环境 | 第50页 |
| 5.2 算法流程 | 第50-56页 |
| 5.2.1 特征提取与匹配实验 | 第51-53页 |
| 5.2.2 闭环检测实验 | 第53-54页 |
| 5.2.3 基于RGB-D的室内场景SLAM实验 | 第54-56页 |
| 5.3 本章小结 | 第56-57页 |
| 第六章 总结与展望 | 第57-59页 |
| 6.1 总结 | 第57页 |
| 6.2 展望 | 第57-59页 |
| 参考文献 | 第59-63页 |
| 攻读学位期间主要的研究成果 | 第63-64页 |
| 致谢 | 第64页 |