| 摘要 | 第2-4页 |
| ABSTRACT | 第4-5页 |
| 第一章 绪论 | 第9-16页 |
| 1.1 选题的背景及意义 | 第9-10页 |
| 1.2 SLAM概述及国内外研究现状 | 第10-12页 |
| 1.2.1 SLAM概述 | 第10-11页 |
| 1.2.2 国内外研究现状 | 第11-12页 |
| 1.3 虚拟现实概述及国内外研究现状 | 第12-14页 |
| 1.3.1 虚拟现实概述 | 第12-13页 |
| 1.3.2 国内外研究现状 | 第13-14页 |
| 1.4 本文的主要工作及组织结构 | 第14-16页 |
| 第二章 基于RGB-D传感器的视觉SLAM技术介绍 | 第16-24页 |
| 2.1 引言 | 第16页 |
| 2.2 深度测量技术 | 第16-17页 |
| 2.2.1 深度测量技术分类 | 第16-17页 |
| 2.2.2 深度测量各方案之间的比较 | 第17页 |
| 2.3 RGB-D传感器介绍 | 第17-22页 |
| 2.3.1 Kinect1.0介绍 | 第18-19页 |
| 2.3.2 Kinect2.0介绍 | 第19-20页 |
| 2.3.3 Kinect1.0、Kinect2.0传感器配置比较 | 第20-21页 |
| 2.3.4 Kinect2.0的优势及图像数据采集示例 | 第21-22页 |
| 2.4 视觉SLAM概述 | 第22-23页 |
| 2.4.1 经典视觉SLAM框架 | 第22-23页 |
| 2.4.2 视觉SLAM问题的数学表述 | 第23页 |
| 2.5 本章小结 | 第23-24页 |
| 第三章 基于RGB-D的视觉里程计算法 | 第24-38页 |
| 3.1 引言 | 第24页 |
| 3.2 视觉里程计详细概述 | 第24-26页 |
| 3.2.1 视觉里程计的基本定义 | 第24-25页 |
| 3.2.2 视觉里程计的相关算法 | 第25-26页 |
| 3.3 基于RGB-D的视觉里程计估计算法 | 第26-36页 |
| 3.3.1 特征点法 | 第26-35页 |
| 3.3.2 直接法 | 第35-36页 |
| 3.4 特征点法与直接法的优缺点讨论 | 第36页 |
| 3.5 本章小结 | 第36-38页 |
| 第四章 基于视觉SLAM的虚拟现实空间定位系统设计与实验 | 第38-62页 |
| 4.1 引言 | 第38页 |
| 4.2 系统的设计和实现流程 | 第38-52页 |
| 4.2.1 前端数据采集 | 第39-42页 |
| 4.2.2 中端实时优化 | 第42页 |
| 4.2.3 基于图像特征的视觉里程计自适应算法的设计 | 第42-48页 |
| 4.2.4 后端同步定位 | 第48-52页 |
| 4.3 系统的平台搭建 | 第52-54页 |
| 4.4 实验过程与结果分析 | 第54-61页 |
| 4.4.1 算法的实验验证 | 第54-58页 |
| 4.4.2 系统的实验结果展示 | 第58-61页 |
| 4.5 本章小结 | 第61-62页 |
| 第五章 总结与展望 | 第62-64页 |
| 5.1 本文工作的总结与分析 | 第62-63页 |
| 5.2 工作展望 | 第63-64页 |
| 致谢 | 第64-65页 |
| 参考文献 | 第65-69页 |
| 攻读学位期间发表的学术论文及参与项目 | 第69-70页 |
