| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7-8页 |
| 1 引言 | 第12-18页 |
| 1.1 研究背景与意义 | 第12-13页 |
| 1.2 Kinect立体视觉系统概述 | 第13-15页 |
| 1.3 SLAM基本问题 | 第15-16页 |
| 1.4 国内外研究现状 | 第16页 |
| 1.5 论文结构与组织 | 第16-18页 |
| 2 Kinect与OpenNI简介 | 第18-27页 |
| 2.1 Kinect的硬件结构与功能 | 第18-19页 |
| 2.2 深度原理 | 第19-22页 |
| 2.2.1 飞行时间法(TOF) | 第19-20页 |
| 2.2.2 双目视差法 | 第20-21页 |
| 2.2.3 Kinect深度图像原理 | 第21-22页 |
| 2.3 Kinect开发环境 | 第22-26页 |
| 2.3.1 OpenNI应用 | 第23页 |
| 2.3.2 Kinect数据采集 | 第23-24页 |
| 2.3.3 OpenNI获取深度图像 | 第24-26页 |
| 2.4 小结 | 第26-27页 |
| 3 Kinect标定与图像配准 | 第27-42页 |
| 3.1 摄像机成像几何模型 | 第27-30页 |
| 3.1.1 四种坐标系 | 第27-28页 |
| 3.1.2 四种坐标系转换关系 | 第28-30页 |
| 3.2 张正友摄像机标定 | 第30-32页 |
| 3.3 Kinect标定实验 | 第32-39页 |
| 3.3.1 Kinect标定步骤 | 第33-39页 |
| 3.4 深度图像与RGB图像配准 | 第39-41页 |
| 3.5 小结 | 第41-42页 |
| 4 深度图像处理 | 第42-53页 |
| 4.1 Kinect深度噪声分析 | 第42-44页 |
| 4.2 Kinect深度图像去噪实验 | 第44-51页 |
| 4.2.1 均值滤波算法 | 第44-46页 |
| 4.2.2 中值滤波算法 | 第46-47页 |
| 4.2.3 高斯滤波算法 | 第47-48页 |
| 4.2.4 双边滤波算法 | 第48-50页 |
| 4.2.5 双边滤波加速 | 第50-51页 |
| 4.3 小结 | 第51-53页 |
| 5 特征提取与匹配 | 第53-65页 |
| 5.1 图像特征点检测 | 第53-59页 |
| 5.1.1 FAST角点检测 | 第53-54页 |
| 5.1.2 Harris角点检测 | 第54-56页 |
| 5.1.3 SURF特征检测 | 第56-58页 |
| 5.1.4 特征检测器的总结 | 第58-59页 |
| 5.2 特征点匹配 | 第59-63页 |
| 5.2.1 图像匹配的分类 | 第59-60页 |
| 5.2.2 区域匹配的相似度 | 第60-61页 |
| 5.2.3 基于SURF特征的SSD匹配 | 第61-62页 |
| 5.2.4 RANSAC消除误匹配 | 第62-63页 |
| 5.3 小结 | 第63-65页 |
| 6 基于扩展卡尔曼滤波的SLAM算法 | 第65-75页 |
| 6.1 SLAM问题描述 | 第65-66页 |
| 6.2 基于EKF的SLAM框架 | 第66-67页 |
| 6.3 EKF-SLAM仿真实验 | 第67-73页 |
| 6.3.1 设计二维路标的EKF-SLAM仿真 | 第67-68页 |
| 6.3.2 基于Kinect的EKF-SLAM实验 | 第68-73页 |
| 6.4 小结 | 第73-75页 |
| 7 工作总结与展望 | 第75-77页 |
| 7.1 研究工作总结 | 第75-76页 |
| 7.2 研究展望 | 第76-77页 |
| 参考文献 | 第77-80页 |
| 图索引 | 第80-82页 |
| 表索引 | 第82-84页 |
| 学位论文数据集 | 第84页 |