| 摘要 | 第5-7页 |
| ABSTRACT | 第7-9页 |
| 第1章 绪论 | 第12-21页 |
| 1.1 引言 | 第12-13页 |
| 1.2 课题研究的目的及意义 | 第13-15页 |
| 1.3 移动机器人地图构建关键技术研究现状 | 第15-18页 |
| 1.3.1 常用地图表示方法 | 第15-16页 |
| 1.3.2 移动机器人基于立体视觉地图构建关键技术 | 第16-18页 |
| 1.4 本课题研究内容 | 第18-20页 |
| 1.5 本章小结 | 第20-21页 |
| 第2章 基于立体视觉系统数据获取与深度图像修复 | 第21-33页 |
| 2.1 OptiTrack~(TM) DPC640/30立体视觉系统简介 | 第21-23页 |
| 2.2 OptiTrack~(TM) DPC640/30立体视觉系统深度图像获取原理 | 第23-26页 |
| 2.2.1 深度相机坐标原理 | 第24-25页 |
| 2.2.2 三角测量原理 | 第25-26页 |
| 2.3 深度图像空洞分析 | 第26页 |
| 2.4 深度图像修复 | 第26-32页 |
| 2.4.1 形态学滤波 | 第27-29页 |
| 2.4.2 双边滤波 | 第29-30页 |
| 2.4.3 实验及分析 | 第30-32页 |
| 2.5 本章小结 | 第32-33页 |
| 第3章 图像特征匹配算法研究 | 第33-47页 |
| 3.1 SURF算法的提出 | 第33页 |
| 3.2 SURF算法流程 | 第33-39页 |
| 3.2.1 特征点检测 | 第33-37页 |
| 3.2.2 特征点描述 | 第37-38页 |
| 3.2.3 特征点匹配 | 第38-39页 |
| 3.3 改进的SURF算法 | 第39-42页 |
| 3.3.1 PCA主元素分析法 | 第39-40页 |
| 3.3.2 PCA+SURF算法 | 第40-41页 |
| 3.3.3 RANSAC算法去除误匹配点 | 第41-42页 |
| 3.4 实验分析 | 第42-46页 |
| 3.5 本章小结 | 第46-47页 |
| 第4章 三维点云数据生成以及配准 | 第47-61页 |
| 4.1 三维点云数据生成 | 第47-51页 |
| 4.1.1 OPENNI框架 | 第47-48页 |
| 4.1.2 PCL点云库 | 第48-50页 |
| 4.1.3 三维点云数据生成 | 第50-51页 |
| 4.2 三维点云配准 | 第51-60页 |
| 4.2.1 三维点云配准原理 | 第51-55页 |
| 4.2.2 基于改进的ICP算法的点云数据配准 | 第55-58页 |
| 4.2.3 实验分析 | 第58-60页 |
| 4.3 本章小结 | 第60-61页 |
| 第5章 系统软硬件搭建及实现 | 第61-67页 |
| 5.1 Voyager-Ⅱ移动机器人 | 第61-63页 |
| 5.2 软件平台搭建 | 第63-65页 |
| 5.3 系统实现 | 第65-66页 |
| 5.4 本章小结 | 第66-67页 |
| 第6章 总结与展望 | 第67-69页 |
| 6.1 总结 | 第67页 |
| 6.2 展望 | 第67-69页 |
| 参考文献 | 第69-73页 |
| 攻读学位期间发表的学术论文目录 | 第73-74页 |
| 致谢 | 第74页 |
