视觉SLAM的半稠密认知地图创建方法研究及实现
| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 第一章 绪论 | 第12-20页 |
| 1.1 研究背景与意义 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-16页 |
| 1.3 地图创建的问题与挑战 | 第16-17页 |
| 1.4 研究内容和主要工作 | 第17-18页 |
| 1.5 论文组织结构 | 第18-20页 |
| 第二章 地图创建与相关技术概述 | 第20-34页 |
| 2.1 相机位姿 | 第20-24页 |
| 2.1.1 相机模型 | 第20-21页 |
| 2.1.2 变换矩阵 | 第21-22页 |
| 2.1.3 李代数(?)e(3) | 第22-24页 |
| 2.2 视觉SLAM | 第24-28页 |
| 2.3 三维地图表示 | 第28-31页 |
| 2.4 物体检测 | 第31-33页 |
| 2.4.1 物体检测的类别 | 第31-32页 |
| 2.4.2 基于R-CNN的物体检测算法 | 第32-33页 |
| 2.5 本章小结 | 第33-34页 |
| 第三章 基于深度滤波器的逆深度估计 | 第34-46页 |
| 3.1 逆深度估计表示 | 第34-35页 |
| 3.2 关键帧选取策略 | 第35-37页 |
| 3.3 地图点提取策略 | 第37-40页 |
| 3.4 改进的逆深度观测 | 第40-45页 |
| 3.4.1 粗糙匹配 | 第41-43页 |
| 3.4.2 精确匹配 | 第43-44页 |
| 3.4.3 逆深度观测 | 第44-45页 |
| 3.5 本章小结 | 第45-46页 |
| 第四章 半稠密认知地图创建 | 第46-61页 |
| 4.1 基于图像金字塔的逆深度图估计 | 第46-52页 |
| 4.1.1 图像金字塔传递 | 第46-49页 |
| 4.1.2 逆深度图更新 | 第49-50页 |
| 4.1.3 逆深度图传递 | 第50-52页 |
| 4.2 基于MaskR-CNN的三维物体识别 | 第52-56页 |
| 4.2.1 MaskR-CNN | 第53页 |
| 4.2.2 基于MaskR-CNN的物体识别 | 第53-56页 |
| 4.3 地图表示 | 第56-58页 |
| 4.4 系统框架 | 第58-60页 |
| 4.4.1 系统启动模块 | 第58-59页 |
| 4.4.2 逆深度图估计模块 | 第59-60页 |
| 4.4.3 地图模块 | 第60页 |
| 4.5 本章小结 | 第60-61页 |
| 第五章 实验结果与分析 | 第61-78页 |
| 5.1 实验数据集 | 第61-62页 |
| 5.2 地图创建实验 | 第62-69页 |
| 5.2.1 实验描述 | 第62-63页 |
| 5.2.2 实验前期工作 | 第63-65页 |
| 5.2.3 实验结果与分析 | 第65-69页 |
| 5.3 逆深度估计对比实验 | 第69-75页 |
| 5.3.1 实验描述 | 第69-70页 |
| 5.3.2 实验结果与分析 | 第70-75页 |
| 5.4 消融实验 | 第75-77页 |
| 5.4.1 实验描述 | 第75页 |
| 5.4.2 实验结果与分析 | 第75-77页 |
| 5.5 本章小结 | 第77-78页 |
| 总结与展望 | 第78-80页 |
| 总结 | 第78-79页 |
| 展望 | 第79-80页 |
| 参考文献 | 第80-87页 |
| 攻读硕士学位期间取得的研究成果 | 第87-88页 |
| 致谢 | 第88-89页 |
| 附件 | 第89页 |
