基于嵌入式并行处理的视觉惯导SLAM算法研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第10-23页 |
| 1.1 课题来源 | 第10页 |
| 1.2 课题研究的背景和意义 | 第10-11页 |
| 1.3 国内外研究现状及分析 | 第11-21页 |
| 1.3.1 基于视觉SLAM研究现状 | 第11-15页 |
| 1.3.2 SLAM优化框架研究现状 | 第15-18页 |
| 1.3.3 视觉惯导融合及建图研究现状 | 第18-19页 |
| 1.3.4 研究现状总结分析 | 第19-21页 |
| 1.4 主要研究内容 | 第21-23页 |
| 第2章 基于视觉、IMU的移动机器人环境感知方法 | 第23-41页 |
| 2.1 引言 | 第23页 |
| 2.2 基于嵌入式运算的环境感知系统 | 第23-25页 |
| 2.3 基于单目视觉的环境感知方法 | 第25-32页 |
| 2.3.1 单目视觉特征识别、匹配 | 第26-28页 |
| 2.3.2 基于ROS的视觉参数标定实验 | 第28-29页 |
| 2.3.3 相邻帧移动机器人位姿获取 | 第29-32页 |
| 2.4 基于惯性测量单元的环境感知方法 | 第32-40页 |
| 2.4.1 IMU标定与校正 | 第33-34页 |
| 2.4.2 基于预积分的IMU积分方法 | 第34-40页 |
| 2.4.3 陀螺仪和加速度计时间戳对齐 | 第40页 |
| 2.5 本章小结 | 第40-41页 |
| 第3章 融合视觉、IMU位姿估计研究 | 第41-53页 |
| 3.1 引言 | 第41页 |
| 3.2 多传感器数据预处理和初始化 | 第41-46页 |
| 3.3 基于紧耦合的多传感器融合 | 第46-47页 |
| 3.4 机器人重定位和回环检测 | 第47-51页 |
| 3.4.1 回环描述子 | 第47-48页 |
| 3.4.2 功能检索 | 第48页 |
| 3.4.3 重定位 | 第48-49页 |
| 3.4.4 更新姿态图 | 第49-50页 |
| 3.4.5 4-DoF姿态图优化 | 第50页 |
| 3.4.6 数据管理 | 第50-51页 |
| 3.5 实验验证 | 第51页 |
| 3.6 本章小结 | 第51-53页 |
| 第4章 基于嵌入式GPU并行处理三维重建研究 | 第53-64页 |
| 4.1 引言 | 第53页 |
| 4.2 特征点云的深度获取技术 | 第53-60页 |
| 4.2.1 深度估计优化方法 | 第54-55页 |
| 4.2.2 关键帧选择标准 | 第55页 |
| 4.2.3 GPU并行代价块运算 | 第55-56页 |
| 4.2.4 半全局优化 | 第56-59页 |
| 4.2.5 深度图像的后处理 | 第59-60页 |
| 4.3 全局稠密建图 | 第60-62页 |
| 4.3.1 TSDF算法 | 第60-61页 |
| 4.3.2 不确定深度融合 | 第61-62页 |
| 4.3.3 并行化 | 第62页 |
| 4.3.4 地图渲染可视化 | 第62页 |
| 4.4 本章小结 | 第62-64页 |
| 第5章 VI-SLAM视觉惯导融合实验系统研究 | 第64-77页 |
| 5.1 引言 | 第64页 |
| 5.2 软件、硬件系统搭建及验证 | 第64-67页 |
| 5.2.1 硬件系统组成 | 第64-66页 |
| 5.2.2 软件系统设计 | 第66页 |
| 5.2.3 嵌入式运算性能验证 | 第66-67页 |
| 5.3 机器人位姿估计系统实验 | 第67-73页 |
| 5.3.1 性能评价指标 | 第67页 |
| 5.3.2 算法对比实验 | 第67-71页 |
| 5.3.3 VI-SLAM多种环境定位实验 | 第71-73页 |
| 5.4 单目视觉深度恢复系统实验 | 第73-76页 |
| 5.4.1 性能评价指标 | 第73页 |
| 5.4.2 数据集深度恢复实验 | 第73-75页 |
| 5.4.3 传感器数据深度恢复实验 | 第75-76页 |
| 5.5 本章小结 | 第76-77页 |
| 结论 | 第77-78页 |
| 参考文献 | 第78-83页 |
| 攻读学位期间发表的学术论文 | 第83-85页 |
| 致谢 | 第85页 |
