面向移动机器人视觉导航的三维环境重建技术研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第11-17页 |
| 1.1 课题背景 | 第11-12页 |
| 1.2 研究现状 | 第12-15页 |
| 1.2.1 三维地图表现形式 | 第12页 |
| 1.2.2 基于视觉的三维重建技术 | 第12-15页 |
| 1.3 课题研究内容 | 第15-16页 |
| 1.4 论文的内容和组织结构 | 第16-17页 |
| 第二章 图像的特征提取和匹配 | 第17-33页 |
| 2.1 常见的图像特征点算法 | 第17-18页 |
| 2.1.1 SURF算法 | 第17页 |
| 2.1.2 FAST算法 | 第17-18页 |
| 2.1.3 BRISK算法 | 第18页 |
| 2.2 SIFT和ORB算法 | 第18-26页 |
| 2.2.1 SIFT算法 | 第18-21页 |
| 2.2.2 ORB算法 | 第21-22页 |
| 2.2.3 图像匹配实验 | 第22-26页 |
| 2.3 误匹配剔除 | 第26-32页 |
| 2.3.1 误匹配剔除的意义 | 第26页 |
| 2.3.2 变换矩阵 | 第26-27页 |
| 2.3.3 RANSAC算法 | 第27页 |
| 2.3.4 改进的RANSAC算法 | 第27-29页 |
| 2.3.5 误匹配剔除实验 | 第29-32页 |
| 2.4 本章小结 | 第32-33页 |
| 第三章 环境三维重建 | 第33-52页 |
| 3.1 视觉三维重建 | 第33-35页 |
| 3.1.1 视觉重建理论体系 | 第33页 |
| 3.1.2 视觉重建主要应用 | 第33-35页 |
| 3.2 相机位姿估计 | 第35-40页 |
| 3.2.1 图像对极几何关系 | 第35页 |
| 3.2.2 基础矩阵和本质矩阵 | 第35-36页 |
| 3.2.3 单目视觉的尺度问题 | 第36-37页 |
| 3.2.4 从本质矩阵恢复R和t | 第37-38页 |
| 3.2.5 相机轨迹求解实验 | 第38-40页 |
| 3.3 稀疏点云重建 | 第40-45页 |
| 3.3.1 三角法求深度 | 第40-41页 |
| 3.3.2 PCL点云库 | 第41-42页 |
| 3.3.3 点云重建实验 | 第42-45页 |
| 3.4 稠密点云 | 第45-51页 |
| 3.4.1 PMVS算法 | 第45-48页 |
| 3.4.2 重建实验 | 第48-51页 |
| 3.5 本章小结 | 第51-52页 |
| 第四章 g~2o与轨迹优化 | 第52-61页 |
| 4.1 相机轨迹误差 | 第52-53页 |
| 4.1.1 误差来源 | 第52页 |
| 4.1.2 回环检测 | 第52-53页 |
| 4.2 常见优化方法 | 第53-56页 |
| 4.2.1 卡尔曼滤波器 | 第53-55页 |
| 4.2.2 图优化 | 第55-56页 |
| 4.3 g~2o求解图优化 | 第56-60页 |
| 4.3.1 g~2o通用图优化 | 第56-57页 |
| 4.3.2 建立优化模型 | 第57-58页 |
| 4.3.3 g~2o求解实验 | 第58-60页 |
| 4.4 本章小结 | 第60-61页 |
| 第五章 总结 | 第61-63页 |
| 5.1 研究工作总结 | 第61页 |
| 5.2 主要创新 | 第61-62页 |
| 5.3 后续工作展望 | 第62-63页 |
| 参考文献 | 第63-66页 |
| 攻读硕士学位期间的研究成果 | 第66-67页 |
| 致谢 | 第67页 |
