| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第8-14页 |
| 1.1 课题研究背景 | 第8页 |
| 1.2 SLAM研究方向 | 第8-11页 |
| 1.2.1 基础理论 | 第9页 |
| 1.2.2 传感器 | 第9-10页 |
| 1.2.3 建图 | 第10页 |
| 1.2.4 回环检测 | 第10-11页 |
| 1.2.5 高级课题 | 第11页 |
| 1.3 SLAM算法研究现状 | 第11-12页 |
| 1.4 本文的主要内容 | 第12-14页 |
| 第2章SLAM基本算法 | 第14-28页 |
| 2.1 引言 | 第14页 |
| 2.2 基于贝叶斯的滤波器方法 | 第14-21页 |
| 2.2.1 卡尔曼滤波器(Kalman Filtering) | 第14-16页 |
| 2.2.2 扩展卡尔曼滤波器(EKF) | 第16-17页 |
| 2.2.3 粒子滤波器 | 第17-19页 |
| 2.2.4 FastSLAM | 第19-21页 |
| 2.3 优化方法 | 第21-27页 |
| 2.3.1 图建模方法 | 第22-24页 |
| 2.3.2 顺序数据关联 | 第24-25页 |
| 2.3.3 回环检测 | 第25-26页 |
| 2.3.4 图优化 | 第26-27页 |
| 2.4 本章小结 | 第27-28页 |
| 第3章ROS仿真环境与立体视觉 | 第28-33页 |
| 3.1 引言 | 第28页 |
| 3.2ROS | 第28-31页 |
| 3.2.1 历史与现状 | 第28页 |
| 3.2.2 目标和特点 | 第28-29页 |
| 3.2.3 系统结构和基本概念 | 第29-30页 |
| 3.2.4 Gazebo | 第30-31页 |
| 3.3 立体视觉 | 第31-32页 |
| 3.3.1Kinect3D相机原理介绍 | 第31-32页 |
| 3.3.2Kinect3D相机在ROS中的应用 | 第32页 |
| 3.4 本章小结 | 第32-33页 |
| 第4章 基于立体视觉的SLAM算法 | 第33-43页 |
| 4.1 引言 | 第33-34页 |
| 4.2 粒子滤波算法 | 第34-35页 |
| 4.2.1 预测 | 第34页 |
| 4.2.2 更新 | 第34页 |
| 4.2.3 重采样 | 第34-35页 |
| 4.3 梯度下降的扫描匹配算法 | 第35-36页 |
| 4.4 基于频率的地图绘制算法 | 第36-38页 |
| 4.5 基于视觉的位姿变化估计算法 | 第38-42页 |
| 4.5.1 短距离估算位移算法 | 第38-39页 |
| 4.5.2 短时间估算旋转角度算法 | 第39-42页 |
| 4.5.3 位姿变化估计 | 第42页 |
| 4.6 本章小结 | 第42-43页 |
| 第5章 仿真实验与结论 | 第43-54页 |
| 5.1 引言 | 第43页 |
| 5.2 实验环境 | 第43页 |
| 5.3 实验过程 | 第43-50页 |
| 5.3.1 地图绘制 | 第44页 |
| 5.3.2 仿真环境搭建 | 第44-47页 |
| 5.3.3 核心部分 | 第47-50页 |
| 5.4 实验结果 | 第50-51页 |
| 5.5 实验对比分析 | 第51-53页 |
| 5.6 实验结论 | 第53-54页 |
| 结论 | 第54-55页 |
| 参考文献 | 第55-59页 |
| 致谢 | 第59页 |